随着虚拟现实、人工智能等领域的进一步发展,三维重建技术发挥着越来越重要的作用。基于双目立体视觉的三维重建方法作为众多重建方法的一种,因其具有低成本、受环境因素影响小等优点,得到了众多研究人员和机构的关注。本文以重建高质量的三维模型为目标,针对基于双目立体图像三维模型重建的相关问题展开深入研究,主要工作内容如下:为了降低非目标区域对三维重建的影响,提升三维模型重建的效率和质量,本文采用只包含目标区域的双目立体图像数据进行三维模型重建;重点研究了如何获取含有目标区域的双目立体图像和通过立体匹配方法求取视差的过程。针对双目立体图像目标区域的获取问题,本文提出基于匹配特征点的区域生长法。为了在双目图像数据上获得可靠的匹配点,采用了A-KAZE特征检测和DAISY描述符结合的特征提取方法。首先在创建的非线性尺度空间中检测特征点并结合可快速计算的DAISY描述符进行特征点的匹配,用随机抽样一致性算法确保匹配特征点的准确性;在不同双目数据上的实验结果显示,本文方法有较高的匹配率。之后以目标区域中匹配的特征点为种子点像素,采用区域生长的方法获取目标区域一致的双目立体图像。针对双目立体图像目标区域视差的计算问题,本文提出用像素的梯度特征和局部二值相似性模式(LBSP)特征来计算匹配代价;采用非局部代价聚合的方法进行匹配代价的聚合并计算初始视差图,并且在视差优化步骤,融入已匹配特征点的视差信息提升视差的精度。实验结果表明本文方法可得到误差较小的视差图,进而可以求得准确度较高的三维点云数据。最后,通过求取的视差图重建出高质量的三维模型。