計算機視覺和攝影測量兩套理論分別在上個世紀60年代提出，經過計算機技術和數碼相機技術數十年的迅猛發展，從一開始的相去甚遠到今日的水乳交融，從理論到實踐都發生了巨大的變化。直到今天，兩門學科已經彼此緊密地聯繫在了一起，相互借鑑，相互學習。然而在計算機技術和數碼相機技術成熟以前，二者在理論、應用領域、面臨的實際問題上仍有巨大的不同。
1）理論層面的異同
在理論層面，它們的幾何理論基礎一致，即爲小孔成像與透視投影原理。因此兩個學科需要解決的基本問題大致相同，只是由於應用場景不同導致所採用的數學模型和方法上有着細微差別。例如攝影測量中的後方交會問題，旨在利用2D-3D控制點求解相機在世界座標系下的空間位置和姿態，這一問題在計算機視覺中被稱爲位姿估計。造成二者主要差異的原因在於旋角系統的選擇上。常見的旋角系統有opk和pok系統，opk系統在國際上較爲通用，其旋轉順序爲x-y-z,旋轉方向均以逆時針爲正，也正是計算機視覺採用的旋角方式。此外，計算機視覺也常用四元數和空間向量的扭轉系數來表示空間旋轉矩陣。攝影測量採用的是pok旋轉方式，這種方式在國內比較常用，其旋轉順序爲y-x-z，旋轉方向除了y軸外均爲逆時針。再者，對比二者採用的座標系會發現，計算機視覺採用Z軸正向作爲相機正方向，而攝影測量中往往採用Z軸負向。這主要是由於航攝相機總是垂直向下進行拍攝造成的，其本質上可以歸結爲應用場景的不同所導致的差別。
2）數學方法的異同
在數學問題的解法上，攝影測量習慣採用最小二乘、條件平差、間接平差等粗差探測方法對結果進行優化，其解法偏向於利用初值進行迭代求解，爲了達到更高精度往往進行多次迭代，耗時較長。而計算機視覺常採用SVD分解、L-M迭代等矩陣分解方法直接求取滿足條件的解，這種方法速度更快，往往不需要特定的初值，但由此將會面臨多解問題以及局部最小值問題。總體上，計算機視覺方法的發展空間更大，活力更強。
由於要求的理論精度不同，二者在數學方法上也不盡相同。例如解決空中三角測量問題，攝影測量採用精度更高、理論更加嚴密的區域網光束法平差，而在計算機視覺中往往採用SFM（structurefrom motion）和集束平差求取最優解。
攝影測量和計算機視覺對某些相同的數學概念有着不同的稱呼。計算機視覺中的雙目立體幾何與極線幾何，在攝影測量中分別稱爲相對定向與核線幾何；攝影測量中的選權迭代法作爲一種粗差探測方法在計算機視覺中被稱爲權衰減法等等。在理論層面上，計算機視覺方法的嚴密性要高於攝影測量，而攝影測量在製圖、施工量測等實用性方面明顯更佔優勢。
3）工具和載體的異同
在工具和載體方面，攝影測量平臺多爲航空飛機和衛星，其上往往搭載精度較高、價格昂貴的專業量測相機，產品爲各類高精度的地形圖、DEM等。而計算機視覺面向的是精度較低的民用數碼相機，以普通數碼影像爲主要研究對象，涉及的學科領域更加廣泛。進入二十一世紀後，學者們關心的不僅僅是產品的屬性和精度，而是如何對海量數據進行存儲與表達、數據如何快速獲取和實時更新以及如何針對不同場景的數據進行處理。即海量性、實時性、動態性。因此，能夠迅速獲取海量數據的移動測量平臺如無人機、車載掃描系統等開始嶄露頭角，也加速推動了這兩個學科的融合。隨着傾斜攝影測量理論的發展，無人機航攝以其獨有的優勢衝擊着傳統攝影測量手段，而無人機也逐漸成爲計算機視覺關注的焦點。攝影測量以車載掃描系統爲平臺，多用於城市建築立面的快速獲取、道路提取等，計算機視覺也同樣關注大尺度的城市場景三維重建，其理論也逐步應用到智慧城市構建、自動駕駛、土地規劃管理等領域。
在總體趨勢上，計算機視覺發展更爲迅速，應用領域更廣，但是不能完全替代攝影測量的地位。攝影測量和計算機視覺相互借鑑，相互學習，相得益彰，未來勢必會結合地更加緊密。