运用二维图像来进行三维重建是一项在机器视觉中利用相机原理去认识世界最关键的一步。在和三维扫描仪以及深度相机进行比较的情况下,不难发现,基于基于多视图的建模方法即成本低廉又有着高灵活性,所以它有着很高的研究价值。使用二维图像经由运动恢复结构生成三维模型是基于图像重建的关键步骤。本文研究了运动恢复结构(Structure From Motion)SFM方法以及三维重建的相关方法,并且通过开源代码实现了一个基于图像的三维模型重建流程。本文使用将传统的SFM系统中特征匹配等方面进行改善,从而获得更好效果。本文还对三维重建的相关内容进行了介绍,如齐次坐标系以及相机成像模型等。在对于SFM算法中最主要的特征提取这一步中,一般情况下采用SIFT算法。由于普通获取的图像无法得知其特征点的具体位置,以及由于算法过程是抽象的不方便观察找寻特征点的具体流程,所以对于特征点的准确性无法很好的进行判断。在此基础上本文通过构造特殊的点线图,来观察SIFT算法的整个流程,并且通过点云化的方式对其中关键的步骤进行可视化,从而发现出构建高斯金字塔时,高斯模糊半径对与后续过程的影响,并通过更改预设值来得到更好的匹配效果。本文对整个SFM方法的过程进行了还原,从求相机之间的对极几何关系,从获得相机的参数开始。之后运用光束法平差来对结果进行优化,从而得到了稀疏的三维点云结构。最后再通过PMVS算法来对稀疏点云进行一个稠密化的工作,并且进行纹理映射,最终得到三维模型。