三维重建技术是计算机视觉领域中的一个重要研究课题,近年来,基于图像的三维重建技术逐渐成为该领域内的研究热点,主要通过摄像机对需要重建的场景或目标物体进行拍摄,利用拍摄得到的图像以及摄像机参数估计出三维空间点信息。这类三维重建方法的优点是重建速度较快,可以实现半自动甚至全自动建模,目前已广泛的应用于移动机器人导航系统、航空航天、医学图像、工业自动化等各个领域。本文使用普通相机从不同视角拍摄的图像序列来实现目标物的三维重建,主要从图像预处理、特征点提取与匹配、摄像机标定、多视图立体重构等几个方面对物体的三维重建过程进行研究,最后得到目标物的三维稠密点云模型,结果具有较好的可视性。论文主要分为以下几个部分：图像预处理阶段,为了使重建的效果更加理想,在三维重建过程之前往往需对图像序列进行预处理。本文对该领域中图像椒盐噪声滤波技术进行了深入研究,提出了一种基于遗传算法(Genetic Algorithm, GA)优化的反向传播(Back Propagation, BP)神经网络(简称GA-BP算法)检测椒盐噪声的自适应滤波算法,与国内外现有相关算法相比具有一定优势,高效滤波的同时能够很好的保护图像的细节。摄像机标定阶段,对标定的基本理论以及方法进行介绍,并使用自动化程度高,鲁棒性较强的基于圆点模板的传统标定方法进行摄像机标定实验。三维重建阶段,介绍了一种无需标定物,适应范围广,自动化程度高的基于运动恢复结构的多视图立体重构方法。通过与基于圆点模板标定方法的结果进行比较,验证该方法的摄像机自标定过程的准确性。并使用实际场景中拍摄的图像序列进行三维重建实验研究。