由二维图像识别三维物体是计算机视觉的主要研究领域之一。这个问题可以表述为:如何从多视点的二维图像去恢复三维目标信息,并进而获取目标和场景的多尺度、多视点二维图像,为后续的识别提供目标的多尺度、多视点模型。本文中从多个不同的位置观察同一物体时,可测量出其三维轮廓,获取三维信息,并建立二维成像模型,以生成不同视点和尺度的图像序列,用于与实时图匹配,从而达到提高目标识别精度的目的。　　本文在分析和总结了当前国内外立体视觉研究工作的基础上,针对其中的相机标定、角点检测、立体匹配和三维重建四个关键技术部分开展研究,其主要成果如下:　　(1)分析比较了大量的相机成像模型的基础上,建立了一个包含畸变校正的完整二维成像模型。求解相机参数时采用两步法将相机的内外参数和畸变参数分离求解的方法,首先不考虑畸变效应,选取四个初始点,测量它们的世界坐标值,并提取图像坐标值,采用利用平面单应性矩阵方法求解相机的内外参数。再代入所有角点进行畸变参数的求解和所有参数的优化。本文在张正友平面模板标定方法的基础上,不仅考虑了径向畸变同时加入了切向畸变,而且实验结果证明这样的模型是合理的。　　(2)研究目前常用的角点检测算法,采用一种逐步求精的策略提取角点的图像坐标值。而且针对本文中作为标定模板的棋盘图像,采用半自动的方式来提取我们需要的角点。在本文的角点检测中利用Harris算子作为影像特征提取方法,利用Forstner算子计算出角点的精确位置。实验结果表明,本文算法取得理想的效果。　　(3)我们基于点特征的方法来进行匹配,并利用基础矩阵的相关约束来降低搜索区域,减少候选匹配点数。实现了空间点的三维重建。利用最小二乘法求解四个线性方程,由空间点对应图像点对的二维图像坐标值计算出三维空间坐标值。基于点的三维重建对于具有规则形状的目标来说,还是很有效的。　　实验结果表明,本文提出的方法具有容易实现的特点,而且适用于精度较高的场合。