运动恢复结构（Structure from Motion,SfM）利用二维影像和相机内参恢复影像位姿以及三维空间点云,由于其方便灵活,成本低廉并且可以得到较高精度的重建结果,经常被用于文物重建、增强现实、智慧城市建设等领域。随着消费级相机与智能手机的普及,影像获取成本也越来越低,利用消费级相机拍摄的影像进行三维重建受到人们青睐,如利用无人机或地面采集车搭载消费级相机进行测图。作为影像数据的主要来源,相机有两种常见的曝光方式,分别为全局快门曝光和卷帘快门曝光。由于卷帘快门曝光具有成本低、耗能低的优点,大多数消费级相机都采用该曝光机制,但是卷帘快门逐行曝光的特点导致其在进行移动测量时,影像上会产生果冻效应。当前大多数SfM算法假设影像通过全局快门获取,不考虑果冻效应带来的影像畸变,直接利用这些算法处理卷帘快门影像时,很难得到高精度结果。针对以上问题,本文对卷帘快门SfM算法进行深入研究,构建了卷帘快门SfM框架,并针对其在某些临界条件下发生的退化现象进行分析,提出利用多镜头组合式相机采集的影像可以避免退化,并对相关算法进行研究。首先,本文介绍了三类卷帘快门成像模型,分别是匀速运动模型、匀加速运动模型和插值模型,分别对三类成像模型进行参数化表达,并比较它们成像特点。然后本文采用匀速运动模型中的线性模型来构建卷帘快门SfM框架,利用影像首行的位姿以及影像曝光瞬间相机的运动（线速度与角速度）描述卷帘快门影像,并分别设计卷帘快门初始化重建、卷帘快门绝对位姿估计、卷帘快门三角化以及卷帘快门光束法平差等关键步骤的算法。接着本文分析了卷帘快门SfM退化现象及原因,利用卷帘快门SfM处理读出方向平行的影像数据集时,在光束法平差阶段会发生退化,导致整个场景坍缩在同一个平面上,得到错误重建结果,本文从重投影误差的角度来分析退化原因,并通过实验进行验证。最后本文提出利用多镜头组合式相机采集的数据集进行卷帘快门SfM,可以避免退化现象,并利用多镜头之间的刚体约束对光束法平差进行改进,进一步优化SfM结果。实验结果表明,本文提出的基于卷帘快门的多镜头组合式相机SfM算法能够减弱果冻效应的影响,得到精度更高的影像位姿和三维点云。