双目视觉是场景三维重建中的一种很重要的技术，它利用由相机所拍摄的两幅双目图像，依据相机的几何成像关系将物点的深度信息计算出来，进而计算出其三维坐标信息。该技术在计算机视觉、计算机图形学和虚拟现实等许多领域有广泛应用。本文对基于双目视觉的三维重建过程中的理论方法进行比较研究，实现了一个基于双目图片的三维重建系统。　　课题中以针孔模型来描述相机，首先介绍了双目测距原理，这是双目视觉理论基础。众所周知，人眼可以感知三维信息，基于这一启发，人们通过研究发现，给定一组双目图片，通过三角测量方法，即可获得景物的三维坐标信息。　　双目视觉基于视差原理对图像进行重构。其中最为关键的问题是进行双目立体匹配。双目立体匹配存在的主要问题是精度不高，这是因为大多数的匹配算法都是基于颜色特征的，如果不同深度的物点在双目图片中的颜色特征近似，就会造成比较大的误匹配。另外图像的模糊会造成颜色的失真；场景的遮挡现象导致对应匹配点在两幅图像中有时不能同时出现。这都增加了立体匹配的难度。如何充分利用图像信息提高匹配精度是图像匹配的难点。可以利用针孔模型中相关点的极线约束条件来减少匹配时的搜索空间。课题中首先实现了一种简单的基于极线约束的SSD匹配方法，它的主要思想在极线约束限定的搜索空间下寻找局部最优匹配点。通过实验，SSD匹配得到的视差图精度比较差，只能在纹理密集的部分如图像轮廓的边缘有较好的匹配结果。更为复杂的算法是基于图割（graphcut）的图像匹配算法，它将匹配的全局最优解看作是求解能量函数的最小值，通过适当网络，建立图网络中割的容量与能量函数的对应关系，把能量函数最小化问题转化为图的最小割问题，进而利用图的网络流算法实现优化。图割匹配算法是基于全局考量的，得到的解是一种近似全局最优解。基于图割的图像匹配算法计算量大、复杂度高，但是取得的匹配效果也更佳。　　有了图像匹配得到的视差图和相机参数（焦距f、基线距离b），对于图片中的每一个像素点，可以根据三角测量原理计算出每一个像点对应的物点的Z轴坐标信息，进而计算出物点的三维坐标。然后对得到的实物云点进行三角划分，得到场景的几何造型，再由像点与物点的关系计算有纹理映射，实现纹理贴图，这样就得到了场景的三维模型。