Für die Rekonstruktion von dreidimensionalen Objekten aus photographischen Bildern wird die Position und Orientierung der verwendeten Aufnahmesysteme benötigt. Da aber häufig nur das Bildmaterial zur Verfügung steht, muss die zugrunde liegende Abbildungsgeometrie mit Hilfe einer Selbst-Kalibrierung bestimmt werden. Dabei stellen Anwendungen im Nahbereich aufgrund der flexiblen Bildanordnungen und der perspektivischen Verzerrungen besonders hohe Anforderungen an ein automatisches Auswerteverfahren. In dieser Arbeit wird durch die Integration und Verbesserung von aktuellen Forschungsergebnissen ein durchgängiger Auswerteprozess vorgeschlagen. Die Schwerpunkte liegen in der Entwicklung einer merkmalsbasierten Korrespondenz- Analyse und einer optimierten Auto-Kalibrierung unter Verwendung der algebraischen projektiven Geometrie. Für die stabile Extraktion von signifikanten Punktmerkmalen werden zunächst verschiedene Interest-Operatoren untersucht. Der methodische Vergleich und die quantitative Analyse unterstreichen die Bedeutung einer robusten Gradientenberechnung. Zur Verbesserung des ausgewählten Lösungsansatzes werden Methoden für die Lokalisierung mit Subpixel-Genauigkeit, eine gleichmäßige Punktverteilung und die Nutzung von Farbinformation empfohlen. Die Zuordnung dieser Merkmale stellt in Bildern, deren innere und äußere Orientierung unbekannt ist, eine besondere Herausforderung dar. Deshalb wird ein neues Verfahren zur merkmalsbasierten Korrespondenz-Analyse vorgestellt. Nach einem Verträglichkeitstest mit differentiellen Invarianten und der geometrischen Anpassung mit der Kleinste-Quadrate-Bildzuordnung wird die Ähnlichkeit durch die normierte Kreuz-Korrelation definiert. Mit einer hierarchischen Bildzuordnungs- Strategie wird die Erfolgsquote noch erheblich gesteigert, ohne dabei die Flexibilität des Ansatzes einzuschränken. Die relative Orientierung der Bilder zueinander kann mit Hilfe der projektiven Geometrie auch ohne Kenntnis der inneren Orientierung bestimmt werden. Ein entscheidendes Problem bei der Automatisierung ist allerdings die robuste Erkennung und Beseitigung von falsch zugeordneten Merkmalen. Daher wird ein neues Verfahren vorgeschlagen, das auf der Grundlage eines genetischen Algorithmus den üblichen Berechnungsaufwand signifikant reduziert. Anschließend können die einzelnen Bildpaare bzw. -tripel zu einem gemeinsamen Bildverband kombiniert werden, wobei die projektive Bündel-Ausgleichung eine spannungsfreie Rekonstruktion gewährleistet. Für die Auto-Kalibrierung im Nahbereich müssen fokussierbare Aufnahmesysteme modelliert werden, so dass ein Ansatz auf der Basis der dualen absoluten Fläche zweiter Ordnung verwendet wird. Zur Verbesserung der Ergebnisse werden besondere Eigenschaften der essentiellen Matrix ausgenutzt. Die Rekonstruktion von Oberflächen kann erheblich vereinfacht und beschleunigt werden, wenn die konvergenten Bildpaare so umgerechnet werden, dass sie dem Stereo-Normalfall entsprechen. Um kritische Konfigurationen im Nahbereich zu vermeiden, wird ein hybrider Ansatz zur Normalbild-Erstellung beschrieben, der durch die Verwendung von Polarkoordinaten beliebige Bildanordnungen erlaubt. Als weiteres Anwendungsbeispiel wird eine volumetrische 3D-Rekonstruktion vorgestellt. Dabei wird durch effizientes Ausschneiden von Objektkonturen aus einem Volumen ein räumliches Modell erstellt. In der vorliegenden Arbeit konnte nachgewiesen werden, dass mit den beschriebenen Verfahren eine automatische Auswertung von Bildern im Nahbereich auch ohne Zusatzinformation möglich ist. Die photogrammetrischen Methoden können dadurch in vielen Anwendungsbereichen weitaus flexibler und leistungsfähiger eingesetzt werden.