随着人类社会的不断进步及制造业的发展,人们对微型机械的制造及检测有越来越高的精度要求。然而由于微型机械具有尺寸小,承载能力差等特点,常用的接触式检测工具很难实现微型机械的运动测量和误差检测。本文提出了一种利用数字相机获取微型机械的二维图像进而还原其三维信息的方法。这种方法是利用摄像机来获取三维物体的二维图像的逆过程,是对人眼的仿生学的研究。这就是物体的三维重构技术。本文将所有微小尺寸的加工对象抽象成一个微小的矩形平台,简称为微平台,然后对这个抽象出来的微平台进行视觉测量的研究。本文的研究思路是以Marr的计算机视觉理论模型为基础,进而研究三维重构的整个过程。包括图像的前期预处理,边缘检测,特征提取(匹配),三维重建等过程。这些过程组成了物体的三维重构。图像预处理的主要目的是为了消除外界因素以及摄像机内部因素的影响,也就是消除图像噪声的过程。在这部分内容中提出了用灰度化和二值化方法来对采集到的原始图像进行处理,然后利用Sobel算子的改进方法--八模板法来对边缘的点进行判断从而得到高准确率的边缘;图像的特征提取是为了得到准确的特征点,它也是三维重构模型的基础,本文选取一种改进的Harris算法来获取特征点,然后通过与传统的Harris算法的实验对比得出了改进的Harris算法的可靠性;重构的过程分别介绍了没有先验知识的两幅图像的重构和具有先验知识的单幅图像的重构:在两幅图像的重构过程中利用先提取的特征点计算两幅图像中的特征点之间的灰度相关值NCC,从而进行初始匹配得到模糊匹配集合,然后利用松弛迭代法把先前得到的角点对进行消除模糊匹配得到一对一的匹配,最后应用最小中值方法消除错误的匹配;在一幅图像的重构中,由于具有先验知识所以也可以得到各个点的世界坐标。在本文的最后利用Visual和Matlab为工具实现一个视觉测量系统,实验结果表明测量的数据具有很小的误差,取得了预期的效果。为进一步的研究提供了坚实的理论和实践基础。