三维重建是计算机视觉领域中一个典型的视觉问题,其技术的研究一直是个热点,特别是基于二维图像的重建技术,因其低廉的价格、较高的精度和高灵活性等特点,更是吸引了众多的学者参与到研究工作中,同时也得到了广泛的应用。随着研究的深入,一些技术问题已经得到不错的解决,而运动参数的估计却一直是一个研究的难点,未能得到很好的解决。因此目前主要将研究的重点放在相机运动参数的估计上,目的是为了得到更为准确的相机外部参数、降低对误差的敏感性、重建得到高精度的三维点云,为此本文在多视图几何重建的基础上做了如下研究与工作:1.在三维重建中目前所采用的特征匹配算法的基础上,对经典固定阈值方法进行了重新设计,设计了一种自适应阈值方法,能够根据不同数据集的具体情况确定阈值的大小,以获取初始的粗糙匹配点对;同时引入多视图几何中的极线几何约束来代替传统的单应性矩阵约束,计算基础矩阵,并采用随机采样一致性(RANSAC)算法,剔除掉错误匹配点对,在三个不同的数据集上的实验说明,改进后的匹配算法确实可以提高匹配的精度。2.对于相机运动参数的估计,本文采用全局优化的思想,将全部的相机置于同一个世界坐标系下共同来优化求解。首先从图像匹配点出发,利用匹配点对计算得到相对的两两旋转矩阵,然后根据这些两两成对的相对旋转进而优化出所有的绝对旋转矩阵;紧接着进一步地找到一种仅包含绝对旋转与平移的本质矩阵的表达,并根据多视图几何中极线约束原理,结合匹配点对构建线性等式系统,最终线性地求解得到所有绝对的平移向量。3.编程实现改进后的图像特征匹配模块、相机运动参数估计模块,空间结构恢复模块等,并结合其他预处理模块、稠密匹配模块等,构建一个具有应用价值的三维点云重建项目;最后,三个不同的数据集上的实验显示,本文的方法能够计算出不错的空间三维点云,提高相机运动参数估算的准确度。