在计算机视觉领域,三维重建技术已成为其中的一大研究热点。而基于多视图的三维重建算法又是三维重建技术中的重要一支,该算法的核心思想是以多张对同一物体或场景从不同角度拍摄的图片数据和所用拍摄相机的内外参数作为输入,经过一系列处理之后生成稀疏三维点云数据,再通过点云扩展和过滤操作得到稠密三维点云数据,最终经过表面重建得到三维模型。特征点检测是基于多视图三维重建中的重要一环,是对输入的多张图片分别通过特征点检测算法提取出各个图片中的特征点信息。本文首先对三维重建技术研究的进行了介绍,然后重点介绍了基于面片的多视图三维重建算法(PMVS)的基本原理。针对特征点检测部分,着重讲述了Harris特征点检测算法和DoG特征点检测算法的思想原理,本文对PMVS算法中所用到的Harris与DoG两特征点检测算法进行并行化研究,对特征点检测过程进行串行实验与分析,Harris特征点检测算法与DoG特征点检测算法中存在一定程度的数据独立性,且运算量较大,具备可并行性。本文在基于OpenMP的多核CPU编程模型和基于CUDA及OpenCL架构的GPU并行环境下,对两特征点检测算法进行并行化设计与实现,并将kermit和hallFeng两组数据规模不等的图像集,在不同实验平台上进行实验。在实验结果中对特征点检测效率、检测精度和可扩展性进行分析,从而验证特征点检测过程的可并行性与可扩展性。