三维重建是获取物体模型及三维场景的重要手段,被应用在工业检测、医疗和虚拟现实等诸多领域。传统的三维重建方法不能获取目标纹理信息,且易受环境影响。相比而言,基于图像特征点的三维重建法成本低廉、对场景限制小且能获得精确逼真的模型。本文针对传统的风电叶片缺陷检测方法成本高、效率低和劳动强度大等问题,将三维重建技术应用于风电叶片缺陷检测系统,通过输入不同角度的叶片图像,重建叶片真实的三维模型,使得叶片的缺陷检测更高效、安全和准确。主要研究内容包括:针对风电叶片纹理稀疏特征点提取过少的问题,本文基于SIFT算法进行改进。首先在多尺度空间中利用自适应阈值的FAST角点检测算法获取特征点;然后计算特征点与其多个环形邻域之间的灰度对比信息,再与采样区域的局部梯度信息融合得到特征点描述子;最后根据欧式最小矢量距离进行匹配并对匹配结果进行提纯优化。通过仿真实验,验证算法的可行性。针对风电叶片三维重建的特点进行分析,结合提纯优化后的匹配点对集合完成三维点云重建。首先通过匹配点对的多视图几何约束条件计算风电叶片模型的三维空间点坐标;然后采用光束平差法对其优化得到风电叶片的稀疏点云模型;最后对稀疏点云进行聚簇分类处理,降低冗余数据量,并对稀疏点云进行种子面扩展和过滤进而得到稠密点云模型。针对稠密点云模型噪声大导致精度不高的问题,本文基于泊松表面重建算法进行改进。在原有泊松表面重建算法基础上,引入屏蔽因子,使用线性插值的方法对样本点进行计算,将表面重建转换为求解屏蔽泊松方程的过程,有效的解决原算法对噪声过度拟合的问题。最后与已有算法进行参数的对比分析,验证本文算法的可行性与优越性。