近年来，利用计算机直观的表达现实世界的复杂三维物体或场景，成为计算机三维视觉的研究热点。传统的方法往往使用手工建模软件，依靠用户的交互设计通过手动建立基本三维元素组建成复杂的大规模场景。但这种传统的方式对用户依赖性强，受到较多因素的影响无法快速生成大规模场景，因此三维重建技术研究应运而生。　　三维重建技术中根据输入数据类型的不同，可分为基于照片序列、基于视频和基于激光扫描数据的三类重建技术。本文工作即基于照片序列围绕物体表面重建展开，算法的输入数据是点云数据，输出数据是没有贴图的表面模型。本文的主要工作内容有如下两部分内容：　　第一，引入屏蔽因子及二义性处理减少泊松表面重建应用于多视图三维重建的重建误差。本文的工作建立在已有的泊松表面重建算法基础之上，泊松表面重建是基于隐式全局的表面重建，但应用于多视图三维重建场景复杂的模型时许多原因会导致重建结果误差较大的情况出现。本文在已有工作的基础上引入屏蔽因子，使用线性插值的方法对样本点进行差值计算，并在三角化过程中加入二义性处理，纠正重建误差。采用这种表面重建算法可改善细节较多的物体重建结果有孔洞和凹陷的问题。　　第二，引入GPU并行计算提高修改后表面重建算法的执行效率。经过修改之后的表面重建算法造成了需要较大的存储空间来存储顶点信息和法向量，进而也需要耗费更多的时间资源做数据处理。因而本文又引入GPU并行计算来解决执行效率问题。使用CUDA统一设备架构对算法进行并行设计，可根据串行程序中耗时不同部分设计并行算法。经过GPU并行设计之后的表面重建算法执行效率明显提高。　　经过实验验证，本文在泊松表面重建中提出的引入屏蔽因子和二义性处理，对仿古建筑细节的呈现和孔洞凹陷的处理有所提高；同时，引入GPU并行计算能够提高处理效率。