三维重构技术一直是计算机视觉研究领域的难点及热点。三维重构是指通过相机获得空间目标的二维图像信息,然后在计算机中利用相关图像处理算法,实现空间物体的方位、立体形状等集合信息的重建。随着相关技术的发展,三维重建已经广泛的应用于虚拟现实、军事打击及场景重建等领域。本文以立体视觉理论为基础,对基于多幅图像典型目标的三维重构算法进行了研究与探讨,提出了基于多幅图像的三维重构的算法,并对特征提取和图像匹配、相机标定及三维重构中的重点问题进行了分析研究。论文的主要工作包括:对于三维重构的理论进行了介绍,利用对极几何的理论,求解空间物体多幅图像之间的对应关系,并通过基础矩阵的求解对相机参数进行标定。在特征提取及图像匹配阶段,本文对SIFT算法进行了改进,引入自定义阈值,并通过RANSAC算法提高了SIFT算法的匹配正确率,得到精确的三维图像匹配点,之后通过Quasi稠密匹配算法对特征点进行稠密匹配,进而得到充分反映物体表面信息的致密匹配点。通过验证,该匹配算法提高了稳定性。在相机标定阶段,介绍了张氏标定法,在此基础上形成了相机成像几何的线性模型,针对该算法的不足,提出将非线性优化算法引入相机自标定系统,实现平面标定法的前提下与LM优化算法进行取长补短之后计算相机中的各参数。通过验证,改进后的算法更加方便,计算过程简练。在三维重构阶段,根据前面完成的相机标定和立体的匹配,经过计算获取相关数据,明确研究目标的三维特征,在完成三角剖分,贴图等工作后,完成对物体的三维重构与显示,实现目标的精确识别以及立体还原。