多视点物像标定和三维特征提取是三维重建过程中重要的两个步骤。多视点物像标定是通过相机从多个视点采集已知部分信息的三维场景(例如棋盘标定板)的图像,利用一定的相机成像模型,找到已知场景中的点与它在图像平面上对应像点之间的关系,并求解相机内参数和外参数的一个过程。标定得到的相机参数的精度直接决定三维重建结果的准确性。特征提取是利用计算机视觉算法从图像中提取计算机可以识别的特征的过程,提取的特征将用于三维重建后期的特征匹配和深度信息确定,提取特征的数量和质量将决定三维重建后续步骤的成败。多视点物像标定最常用的算法是Tsai的两步标定法和张正友标定法,目前大部分标定算法都是在它们的基础上演变而来。这些标定法提取标定板角点和角点排序的过程较复杂,有些算法还需要人工辅助为角点排序。特征提取算法中最经典的两种算法是Harris角点提取算法和尺度不变特征变换算法SIFT(Scale-invariant feature transform)。Harris算法提取角点速度快,有一种改进Harris算法提取的角点分布均匀,但是得到的特征点的匹配性能较弱。SIFT算法提取的特征点适合于特征匹配,但特征点分布不均匀。研究工作以简化相机标定中提取标定板角点的过程、提升相机标定速度和提取分布更均匀的三维特征为目标,其要点可归纳如下。(1)在张正友标定法的基础上,针对相机镜头畸变较小和棋盘标定板的应用,提出了一种改进的相机标定算法,主要改进了提取标定板角点的方式,通过Canny算法提取图像的边缘,再求边缘中的横线和竖线的交点来定位和排序角点。新算法具有计算简单,角点自动排序等特点,通过与张正友标定法进行对比实验,验证了新算法得到的结果具有较高的可靠性和更快的速度。(2)结合改进的Harris角点提取算法和SIFT算法的优点,实现了一种基于改进Harris的三维特征提取方法,利用改进Harris算法定位特征点,再借鉴SIFT算法生成描述子的思想为每个特征点生成描述子。使用基于改进Harris的三维特征提取方法和SIFT算法分别在两幅不同视点的图像中提取角点并进行匹配,实验结果验证了基于改进Harris的三维特征提取方法提取的特征点比SIFT算法提取的特征点更有利于特征匹配。(3)进行了两视点三维重建探讨,利用前面的研究获得了相机的内参数矩阵和特征点以及特征点匹配对后,继续求解了基础矩阵、本质矩阵、旋转矩阵、平移向量、投影矩阵,根据投影矩阵求解待重建物体的三维点坐标,并绘制出了物体的三维点云。实现了一个三维重建原型系统的基本功能。