立体视觉组网测量是三维测量得以实现的核心技术，在测量过程中，为了保证三维重构的全覆盖和重构精度，需要摄像机进行密集拍摄，因此产生了三维测量的速度慢，计算量较大等问题。针对上述问题，提出了一种多视点立体视觉测量网络组网方法。首先，通过SFM技术（运动恢复结构）获得待测物模型，建立椭球体基准坐标，估计相机与待测物的最佳距离，布置初始视点位置；然后，基于可视化约束条件对初始视点进行聚类分析和循环迭代，筛选出最少的相机数目实现全覆盖三维成像；最后，进行测量实验，布置以灯罩为待测物的椭球形测量网络，并在不同景深下进行相机数目、覆盖率和测量精度与球形测量网络的对比分析。实验结果表明：通过该方法最终迭代筛选出了22个视点，使得覆盖率达到100%，测量精度的标准差均值稳定到1.1 mm，测量效率较球形网络有明显提升，经三维重建出的灯罩效果图能够还原出待测物原貌，验证了所提出方法的可行性。

针对大尺寸复杂物体的全自动、高精度、大数据密度、真彩色三维成像与测量，基于条纹结构光三维传感器，阐述了多节点三维传感器测量网络相关技术。涉及单三维传感器的条纹分析和相位重建、系统标定和三维重建两大关键技术点分析，多节点三维传感器测量网络的构建与优化、多节点三维传感器测量网络的标定、测量三维深度数据与纹理数据的匹配与融合等相关技术。并给出了部分实验原型机及实验结果。