得益于“中国制造2025”的推动,三维重建技术已在制造业的各个领域得到广泛应用。针对在机械零件装配检测中,三维重建技术成本高且操作复杂的问题,本课题提出利用工业机器人和单目相机,搭建一个低成本、结构简单、操作灵活的三维重建平台,以期得到细节还原度高、尺寸准确的三维重建模型。首先,为保证工业机器人在挂载单目相机的情况下,能够绕开重建物体平稳运行且获取目标物体大量图片,对工业机器人进行了运动分析,介绍了工业机器人的位置、姿态描述以及坐标系变换,并建立起相应的数学模型进行正、逆运动学求解,在轨迹规划阶段提出了一种改进的工业机器人轨迹优化算法以保证机器人更加平稳的运动。其次,介绍了针孔相机模型、坐标变换、对极约束、基础矩阵和本征矩阵等基本理论,在利用相机获取目标物体大量无序图片后,利用SIFT算法进行特征点的检测与匹配,为保证足够的边缘点匹配对数,利用SURF算法再次进行特征点的检测匹配,将两种算法得到的所有匹配对数作为最终匹配结果。然后介绍了稀疏点云和稠密点云重建算法,并详细阐述了算法原理及实现流程,针对PMVS算法在小范围场景稠密点云重建时难以去除离群点的问题,提出一种融合改进的点云滤波算法,利用该算法可在保证目标物体细节特征的情况下去除大量离群点,降低后续表面重建的工作量。最后搭建三维重建实验平台,进行轨迹优化仿真实验和稠密点云滤波优化实验。实验表明,改进后的机器人轨迹更加平滑稳定,保证了工业机器人运动的稳定性;融合后的点云滤波算法在保证重建模型表面特征的情况下去除了大量离群点,模型的测量结果同实际测量结果间的准确率达到99%。