计算机视觉的核心问题是三维重建问题,其中利用多视几何的方法估计射影空间中的空间点和直线的问题已经存在很多方法。但这些现存的方法中,有些没有注意到提取图像点和直线时产生的误差,对噪声较为敏感;有些虽然考虑到了测量误差的影响,但计算复杂性太大。本文对射影空间中空间点和直线的三角化方法进行了深入的研究,所完成的工作如下:　　 1.两视的点三角化方法:基于基本锥面,提出了求解测量点到基本锥面上最近点的最优三角化方法。这种方法虽然仍要求解一元六次方程,但它的欧氏变换不再依赖于测量点,它的方程的次数不再依赖于图像次序。为了减少计算复杂度,基于生成锥面、生成线和Sampson序列,又提出了三种满足对极几何约束的次优方法。这三种次优方法的估计精度与最优三角化方法相当,但运算时间却大为减少。　　 2.多视的点三角化方法:提出了最小化L2-范数几何距离的优化准则。基于该优化准则,提出计算复杂性较小的Sampson近似迭代算法;为了进一步减少迭代次数,提出了沿共轭梯度方向的迭代算法。相比黄金标准算法,这两种迭代算法的计算复杂度明显减少,而计算精度几乎与之相同。　　 3.三视的直线三角化方法:提出了两种新的直线三角化方法。基于Plucker坐标表示,提出在满足Klein曲面约束下最小化代数距离的次优算法。这种算法得到的代数误差不会超过最小代数误差的两倍。基于图像上新的直线表示,又给出了以点-线-线三焦张量为约束条件最小化测量端点沿测量直线法线方向到估计直线距离的优化准则,并且提出了一种运算时间更短但精度与黄金标准算法几乎相同的迭代算法。