以图像获取为基础的非接触测量技术具有众多传统测量技术没有的优点，正因为如此，如今该技术已得到广泛的重视和应用。越来越多的科技工作者进入该领域，并为之作出了很大的贡献。相机标定是该领域中的一个经久不衰的话题，随着高分辨率、民用CCD数字相机的普及，摄影测量工作不再需要笨重且昂贵的专用设备来进行。怎样高精度地标定大畸变的相机是本文的一个研究内容。本文采用【Weng 1992】的相机模型，并引入高次的畸变项来校正影响测量精度的各类型畸变，以及采用高效的Levenberg-Marquardt算法进行参数的解算，实验证明该方法大大提高了测量精度和标定速度。由此改变了普遍认为的仅考虑径向畸变和不需要高次畸变项的观念(针对大畸变的相机)。此外，本文还提出了动态细分标定方法和与之相关的ROP因子概念，根据需测量的目标点动态地把图像平面进行细分，并以整个图像的标定结果作为初值，在该点的领域内进行参数优化。并通过实验验证了该方法的有效性，且在仅考虑低次畸变项的时候更加显著。在建模方面，本文提出了基于相对间公共点的物方拼接技术，并采用线性最小二乘法求初值，然后通过非线性最小二乘优化求解旋转矩阵和平移矢量，实验证明该方法理论简单、结果有效。最后综合应用上述技术，成功地对某场景进行了测量和建模。