三维重建是计算机视觉最受欢迎的研究领域之一,目前已经被广泛应用于动画、虚拟现实、生物学图像及混合现实等领域。随着高品质摄像机价格的降低和计算机计算能力的提升,基于图像进行三维重建的应用和研究越来越广泛,可以根据任意二维图像来恢复与之对应的三维场景,在未来有广阔的发展前景。全局运动恢复结构(Structure from Motion,SFM)能够根据任意场景的图片一次性求出所有相机的姿态和三维点的坐标,是一种高效的三维重建方法。相机姿态的求解的全局SFM的核心部分,因此,提出了一种新的全局相机姿态估计算法WTLSIRLS,可以有效地解决存在异常值时的全局旋转求解问题。首先,根据旋转向量与旋转矩阵之间的关系,将旋转矩阵间的乘法运算简化为旋转向量间的减法运算,降低了算法的复杂度。然后使用加权总体最小二乘法(weighted total least squares,WTLS)和迭代重新加权最小二乘法(iteratively reweighted least squares,IRLS)进行相对旋转的稳健平均,最后得到优化后的全局旋转。基于WTLS-IRLS算法得到全局相机姿态后,可以进一步得到稀疏点云,但稀疏点云不能满足可视化的要求,因此,提出了一种基于匹配传播原理的图像之间准稠密匹配算法。该算法将稀疏匹配作为初始种子点,然后通过最佳优先策略将周围符合条件的像素点添加到种子点,同时强制执行梯度约束和唯一性约束,最后获得密集的视差图,并恢复稠密的三维点云。实验结果表明,WTLS-IRLS在效率,准确度和迭代次数三个方面有较大提升。对于基于匹配传播的准稠密匹配算法,因为最佳优先策略,该算法对初始稀疏匹配的异常值具有鲁棒性,且时间和空间复杂度低。基于多个现实世界数据集进行了实验,得到了高质量的稠密匹配结果,最后根据准稠密匹配的结果得到稠密且准确的三维点云。