基于图像的三维重建及测量是计算机视觉领域一个重要问题,是计算机分析、理解和操作三维目标的基础。然而,由于匹配歧义性和三角测量误差放大等问题,基于图像的三维重建存在大量噪声和较大误差,严重制约其在实际中的应用。因此,提供精确的三维重建算法具有重要的理论和实用研究价值。本文致力于提高基于图像重建及测量的精度,分别从单目视觉重建及测量、双目立体视觉重建及测量和点集配准三个方面展开了具体理论研究与实验研究,主要包括:1.提出了一种基于图像中心配准的GVC(General Voxel Coloring,广义体元素着色法)姿态无约束算法。GVC对视角变化大和弱纹理图像可以有效进行重建,然而,其对光轴方向要求严格。因为相机光轴的不可见,所以光轴的方向无法准确控制。为了去掉GVC对光轴方向的约束,本文通过对齐图像目标中心来对齐光轴方向,从而去掉光轴方向约束。此外,所提算法采用鲁棒的直线特征作为图像目标中心定位的基本特征并将其转化为具有唯一性的体对角线交点特征,图像目标中心和空间目标中心通过体对角线交点一一对应,从而保证了算法的鲁棒性和精确性。通过100-200米椭圆轨道重建实验,验证了提出的方法相比于现有方法对相机姿态缺失、视角变化大和弱纹理重建的有效性和精确性。2.提出了一种基于激光雷达矫正的双目立体视觉重建算法。单纯的双目立体视觉存在噪声多和深度测量随距离呈平方衰退的问题,并且测量精度的衰退是双目视觉的固有特性,无法从算法上进行解决。本文采用距离测量精确的激光雷达对双目立体视觉深度进行矫正,通过激光雷达测距的精确性保证双目视觉深度测量的精确性。对于双目立体视觉与激光雷达点集的配准问题,本文采用了极大似然估计,并利用EM(Expectation Maximization,期望最大化算法)进行求解。对于矫正重建模块,本文提出了两种重建算法:最邻近点插值重建和隐马尔可夫重建。通过3D激光扫描仪和4线激光雷达两种截然不同的激光探测器对双目立体视觉进行深度矫正实验,结果显示提出的方法均可有效抑制双目立体视觉重建噪声和提升重建精度。3.提出了一种基于高维表达的非刚性点集配准算法。点集配准是重建场景拼接中最重要一步,现有配准算法主要根据点集分布的全局和局部特征进行匹配,由于形变、噪声、旋转等畸变和点集的无序性,导致全局和局部特征具有歧义性,影响算法的配准效果。本文将相对距离加入点的坐标表示中,以相对距离在畸变中的稳定性保证算法的鲁棒性,同时利用高维坐标计算隶属概率,以高维坐标对非对应点距离的放大特性保证隶属概率的准确性。通过大量二维模拟点集、三维模拟点集和真实三维点集实验,结果表明提出的算法在形变、噪声和旋转等方面比现有其它算法能得到更稳定、更精确的配准结果。