随着非量测数码相机制作工艺的迅猛发展，普通数码相机在近景摄影测量领域中的应用变得愈来愈广。由于非量测数码相机具有携带方便、普及化程度高、无需接触目标物体即可获取待测物丰富的信息等优势，基于非量测数码相机的近景摄影测量技术在滑坡监测、古建筑的三维重建以及考古学等领域一直扮演着重要的角色。本文针对非量测数码相机的特性，探讨了其成像原理，深入学习了近景摄影测量的解析方法，研究出了一套适用于非量测数码相机的近景摄影测量解析算法。　　由于非量测数码相机存在着较大的物镜畸变差和像主点坐标的偏差，必须建立相应的模型来消除或者削弱这一系统误差。本文采用BP神经网络模型和改进的十参数模型两种方法对非量测数码相机进行内部参数的标定，并拟定对比实验，探讨分析了两种模型的标定精度;基于非量测数码相机存在较大的系统误差这一特性，具体解算时，本文将物镜畸变参数视为附加参数，像点坐标视为观测值，采用光束法严密平差，整体解算待定点物方空间坐标和相机各参数的改正值;针对平差解算时法方程出现的病态问题，本文提出了一种谱参数自适应迭代算法。　　本文通过建立二维控制试验场，对多个不同摄站的观测数据进行解算，并对算法模型的解算精度进行了试验分析。实验结果显示，基于BP神经网络的标定模型和改进的十参数模型具有较高的标定精度，BP神经网络的相机标定模型精度略优于改进的十参数模型，但前者无具体的物理解释意义;采用附加参数的光束法严密平差方法解算得出待定点物方空间坐标具有较高的精度;针对法方程解算出现的病态问题，采用谱参数自适应迭代算法的解算精度高、迭代收敛速度快。