本文主要讨论了透明物体表面形状的三维重建问题。如今,随着计算机技术的持续发展,计算机视觉和图像处理方面的技术也得到了迅猛提升。三维重建技术作为计算机视觉和图形学的重要分支一直都是该领域的研究热点,该技术在人体医学、建筑工程、智能导航和虚拟现实等领域有着广泛的应用,而对透明物体的立体重建是三维重建中为数不多的开放性问题之一。本文提出了一种将光的折射原理与双目视觉系统相结合的方法,同时运用BP神经网络对点云进行处理,实现对透明物体的三维重建,主要的研究内容包括:基于双目视觉的梯度测量系统、由梯度场获取高度点云数据和基于BP神经网络的曲面重建。首先,提出了一种基于光的折射原理与双目视觉系统相结合的方法用于测量透明物体表面的梯度数据,其中,使用双目相机采集颜色模版图像以及采集经过透明物体表面折射后的投影图像。分别介绍了光源点和折射点世界坐标的计算方法,同时结合必要的实验参数和几何光学原理来计算透明物体表面的梯度数据。介绍了一种将表面的梯度数据转换为高度点云数据的傅里叶变换积分算法,同时运用Delaunay三角剖分方法对高度点云进行了表面重构。其次,本文介绍了一种基于BP神经网络的曲面重建算法,将模拟退火算法与BP神经网络相结合,使用改进的神经网络对初步采集到的高度点云数据进行优化同时对点云进行插值,最终实现透明物体的表面重建。最后,本文对多个透明物体进行了表面的梯度测量和最终的三维重建实验,将重建的结果与真实值进行误差比较,同时也与多个现有方法做了横向对比。通过对比实验结果表明,本文的三维重建方法是有效的,能够重建出下表面是平的透明物体,并且可以满足高精度要求。