从真实拍摄的图像中恢复出高精度的三维信息是计算机视觉领域的基本问题,有着广泛的应用价值。传统的基于全局优化的多视图立体匹配方法,由于算法复杂度和内存容量的限制,难以处理高分辨率的图像;普通的由粗到细层次化求解方法,将所有的图像区域从同一个低分辨率层开始求解,容易丢失一些精细结构。本文提出一种保细节的层次化多视图立体匹配方法,可以有效解决全局优化中的分辨率限制问题,在高效求解的同时又能保证精细结构的深度恢复。主要思想是根据图像区域的精细度不同,为它们分配不同的开始匹配分辨率层。本文提出了一个结构微细度评估与分辨率层设定方法,保证精细结构区域在合适的分辨率上进行恢复,从而避免在过低分辨上处理造成细节丢失。我们还提出了一个分块化的求解策略,能够将大分辨率图像分块化匹配,从而能以较小的内存容量运、行全局优化算法,突破了内存容量的制约。此外,我们开发了一个高效鲁棒的基于多视图的三维重建工具,能够从己标定好的多张不同视角下拍摄的图像自动地恢复出物体的三维模型。其主要贡献包括以下两方面：首先,实现并整合了多个经典算法(可见外壳的构建算法、深度集束优化算法、层次化BP算法等),并进行了优化,可以鲁棒地恢复出高精度的深度图像；其次,采用基于颜色一致性可信度的冗余剔除和噪声过滤方法,将多个深度图像融合成一个高质量的、密度可控的三维点云。实验证明所搭建的工具稳定高效,恢复的高质量三维模型能够满足人体三维运动数据采集、基于图像的绘制等应用需求。