计算机视觉理论的主要目标是获得场景的三维信息，利用计算机视觉三维重建技术可以实现道路交通事故现场的三维测量。现有的交通事故勘查系统主要存在以下几方面问题：一是普遍采用高架结构进行测量。这种高空拍摄方式虽然可以有效地减小深度误差，但是由于采用高架结构，整套系统价格昂贵，操作不灵活，使得系统无法推广使用。二是系统往往需要现场放置标尺或模板，不仅降低了系统应用的灵活性，同时对于与标尺尺寸相差较多的距离也存在测量精度较低的问题。　　要解决上述问题，必须要研究计算机视觉理论中的关键技术。论文通过对双目视觉系统三维测量过程中图像对应点的立体匹配、摄像机标定和图像畸变校正等关键技术的研究，解决了现有技术中存在的主要问题，提出了采用手持式变焦双目视觉测量系统的系统方案，在保证系统测量精度的前提下，提高了系统应用的灵活性。这些关键技术的解决也有利于拓宽计算机视觉技术的应用领域。　　首先，论文对两视图初始匹配方法进行了研究，针对现有方法在匹配速度上不能满足多视图匹配的实时性问题，提出了一种基于灰度梯度的新的匹配方法。该方法利用Harris角点检测得到的梯度算子寻找两视图之间的对应性，在搜索匹配点的过程中仅使用了和运算与差运算，大大降低了初始匹配过程中的匹配速度。该方法在匹配精度、正确匹配概率和匹配速度上均优于常用的归一化灰度互相关方法，特别是在匹配速度上减少了约50％的匹配时间，有效提高了匹配的实时性。　　其次，论文对多视图匹配技术也进行了研究。多视图匹配在两两视图匹配搜索过程中常常存在大量的误匹配累积，严重地影响了以匹配为基础的摄像机标定和三维重建的精度。而一般的匹配约束方法只是两视图之间的约束，不能有效去除误匹配点。论文针对这一问题，将双目视觉系统在运动前后射影重建之间存在的变换矩阵关系创造性地引入到匹配过程，提出了将变换矩阵作为多视图之间的匹配约束的新的多视图匹配方法，该方法真正实现了在多视图匹配点之间的共同约束，可以有效剔除误匹配点，优化匹配结果。该匹配约束的引入不仅可以降低多视图匹配过程中的误匹配概率，同时也提高了变换矩阵的求解精度，进而提高了系统三维重建的精度。大量真实图像实验验证了该方法的有效性。　　之后，论文对固定内参数下的摄相机自标定技术进行了研究，并推导了描述自标定过程的数学公式。现有自标定技术中通常要求解绝对二次曲线的像(IAC)或二次曲线的对偶像(DIAC)矩阵，然后通过Cholesky分解获得内参数矩阵，这就要求IAC或DIAC必须正定。而由于噪声的存在，矩阵常常无法正定，这导致了很多自标定算法在应用过程中出现无解的问题。针对这一问题，论文提出了无正定约束的自标定方法。该方法利用摄像机内参数可以估计这一特点，直接对内参数矩阵进行了优化求解，避开了IAC或DIAC的正定问题。同时算法采用遗传算法进行参数求解，解决了一般算法中需要精确初值的问题。仿真实验和真实图像实验都验证了该方法的有效性。　　在此基础上，论文进一步对变焦情况下的摄像机自标定技术进行了研究，讨论了在两视图或三视图情况下，基于上述无正定约束的思想，利用Kruppa方程获得了变焦系统的摄像机标定方法。论文采用实际相机系统对该方法进行了验证，证实了在其它内参数不变的情况下，仅采用两到三幅视图便可以获得摄像机焦距的精确标定。　　然后，论文对改善图像畸变的无模板校正方法进行了研究。图像的畸变误差是影响摄影测量的主要因素之一。由于镜头畸变参数随焦距的变化而改变，因此必须进行在线校正。本文针对这种情况，利用实际场景中存在的直线特征，通过将Hough变换检测到的直线与Canny算子检测的边缘之间存在的误差作为畸变误差，实现了图像畸变在无模板情况下的在线校正。实验表明，这种无模板的在线畸变校正方法应用起来方便灵活，可以有效提高三维重建的精度。　　最后，论文结合上述研究成果，提出了将传统标定与自标定相结合的标定方法应用于变焦双目视觉系统的新的测量方案，这一系统有效地结合了传统标定与自标定技术的优点，避免了测量过程中使用标定模板的问题，在确保系统精度的前提下提高了系统应用的灵活性，使变焦双目视觉系统应用于摄影测量成为可能，为摄影测量在交通事故现场勘查中的应用及普及提供了新思路。