近景摄影测量是现代城区建筑物三维信息获取的手段之一，具有高效、方便、成本低廉的特点。近景摄影测量在获取城区建筑物三维信息的流程一般分为三个步骤：相机标定、影像匹配、三维信息计算。相机标定是计算机三维重建不可或缺的步骤。影响相机标定的因素可以分为外在因素和内在因素，本文采用两种比较成熟的定标方法：基于OPENCV的相机标定工具和MATLAB的camera calibration toolbox，在控制外界环境因素的情况下，通过实验，探究外在环境因素对相机标定的影像。得出影响相机标定的外在环境因素，在本次论文中，为相机标定提供良好的外界条件。影像匹配阶段，采用基于区域增长的密集匹配算法，进行密集匹配。首先对建筑物影像进行稀疏匹配，获取密集匹配的初始种子点。但是，城区建筑物影像基线较宽且具有较多的重复特征，这些重复特征影响影像匹配精度，针对于此,提出一种基于SIFT的抗重复特征匹配算法。该算法在首先进行特征分类，将具有多方向的特征点首先匹配；保证匹配的鲁棒性，得到匹配图像的粗略视差。然后再对其余当方向关键点运用相关系数再进行匹配。采用基于仿射变换模型的RANSAC算法进行误匹配剔除，实验结果表明，该方法较传统的SIFT算法在匹配速度上有明显的提高，并且能够有效抑制重复特征的干扰，获得较高的匹配精度。对城区建筑影像匹配有现实的意义。在获取初始种子点的基础上，进行点的扩散，传统的扩散方法不具有可控性。针对于此，提出基于建筑物结构的区域增长准稠密匹配。具体而言就是对建筑物进行边缘检测，提取建筑物的边缘信息，将边缘信息进行匹配，获取建筑物的大体边缘轮廓。该算法在一定程度上抑制了点的扩散不可控性；再运用相对定向和前方交会，生成三维点云。