计算机视觉技术在社会生产和生活等诸多领域都有着广泛的应用，它让数字化的计算机具有能够通过采集到的二维数据恢复周围环境结构和信息的能力，把人类的视觉认知功能复制给计算机。而视觉测量中的摄像机标定问题和三维重建方法均是计算机视觉领域研究中的关键技术。本文主要围绕摄像机标定方法和三维重建两方面内容进行研究。首先，论文分析了摄像机标定方法和三维重建技术的发展现状及国内外研究概况，介绍了视觉测量的基础理论，包括摄像机成像模型、常见的特征检测方法，并重点研究了经典的张正友平面摄像机标定方法。然后，研究了基本粒子群优化算法的实现原理，针对该算法易陷入局部收敛而丢失全局极值等缺点，本文对它进行了有效的改进。改进的粒子群算法，在优化过程中增添了变异量，提高了种群在迭代过程中的多样性。并进行了相关仿真验证：改进之后的算法提高了全局收敛性和求解精度，能更好地解决多参数、适应度函数复杂的优化问题。其次，本文把视觉测量中的相机标定问题转化成了一种非线性的智能优化问题，利用张正友平面标定法中定义的非线性成像模型，融合粒子群算法，得到一种新的基于粒子群算法的标定方法。仿真结果和相关实验表明，所提出的方法同张正友经典算法相比，具有较高的精度和较强的鲁棒性。此外，该算法对标定图像的数目没有限制，为标定工作人员的测量工作提供了较大的便利，方便了标定工作的进行。最后，在本文所提出的标定算法基础上，设计了一种基于双目视觉的三维重建方法，对其中的关键技术进行了理论分析，并采用VC6.0和OpenCV编程工具实现了所提出的三维重建方法。实验结果验证了该三维重建方法的有效性及可行性。