基于图像的三维测量手段由于其非接触、成本低、可多点测量等优点,已经被广泛应用于各种大型结构变形测量和大尺度运动测量工程中。但是目前的应用中仅限于对待测目标的若干稀疏点进行三维测量,若能实施更为密集的重建,从而直接获得目标的三维模型将有着重要的意义。一方面在大型结构变形测量中对变形形面实施密集三维重建可以为其力学性能测试提供更多的有效观测数据;另一方面在大尺度运动测量中对飞行器实施密集三维重建,能够辅助实施直观的故障诊断,还可以对目标进一步应用基于模型的跟踪方法。另外,随着以摄像头为标配的智能手机的普及,人们获得数字图像的门槛越来越低,同时随着3D打印技术的发展,催生了人们对利用手头即有图像重建场景完整三维模型的极大兴趣,这也给基于图像的密集三维重建技术在民用领域带来了广泛的应用前景。按照参与重建的图像有序与否,基于图像的密集三维重建技术又可以进一步分为基于序列图像和基于无序图像的密集三维重建技术,其中后者解决的是更为广义的三维重建问题,同时很多应用场合下往往也是拍摄无序图像更为容易实施,因此其应用面也更为广泛。然而也正是因为没有时序信息可以利用,无序图像往往面临着更为严苛的应用条件,例如更宽的图像基线以及更为严重的遮挡问题等,这都给基于无序图像的密集三维重建技术带来了更多、更富挑战性的、亟待攻克的技术难题。本文深入研究了基于无序图像对场景实施密集三维重建的三个基本问题,即无序图像的定向、场景结构和图像定向的联合优化以及密集三维重建,致力于提高密集重建结果的精度和完整度,以及整个重建过程的自动化和鲁棒程度。针对无序图像的定向问题,分别研究了基于控制点、编码标志和自然图像特征的无序图像定向方法;针对场景结构和图像定向的联合优化问题研究了基于深度的稀疏光束法平差方法;针对密集三维重建问题则研究了多视图立体视觉方法。本文的主要创新工作如下:一、研究了基于控制点的工程实用无序图像单站标定方法详细归纳总结了6种基于控制点的工程实用像机参数初值标定方法和2类参数优化方法,设计了一套通用标定流程和软件,并进行了详细的标定算法选择导向分析,提高了标定解算过程的自适应程度,降低了标定设计成本和误操作概率。二、研究了基于简易编码标志的无序图像自动网络化定向方法设计了一种简易的基于圆形特征的编码标志,并研究了相应的图像检测和识别算法;进而基于图像间的同名编码标志,通过相对定向的方式对图像进行聚类,并于图像聚类过程中自动完成无序图像的网络化定向。三、研究了基于自然图像特征的无序图像自动网络化定向方法首先研究设计了一套鲁棒的单射特征匹配获取流程;之后提出了基于匹配个数加权全局排序的特征跟踪算法,实验表明该方法能显著增加跟踪结果所形成的特征轨迹数量及其平均长度;最后,研究设计了一套增量式SfM流程,依据特征轨迹,完成无序图像的鲁棒、全自动网络化定向,在增量式SfM方法中创新应用了迭代相对定向方法,并采用了一种自适应的相对定向初值确定方法;另外结合基于Huber M-estimator的迭代重加权最小二乘稀疏光束法平差方法的使用,提出了半全局和增量式半全局两种误匹配处理方法,实验表明这两种方法能有效屏蔽误匹配对参数估计的影响,并恢复正确匹配。四、提出了一种基于深度的稀疏光束法平差方法针对场景结构和图像定向的联合优化问题,现有的光束法平差方法没有考虑无观测误差参考像点的应用情形,为此,利用参考像点无观测误差的特性,提出了一种新的基于相对于参考图像的深度值的物点表示模型,研究了基于该物点表示模型的稀疏光束法平差方法,分析推导了相应的正规方程和参数估计协方差矩阵的分块结构形式及其稀疏化求解方法。实验表明相比于传统的稀疏光束法平差方法,本文方法针对无观测误差参考像点的应用情形能进一步提高优化精度,同时由于采用一维标量来表示物点,还进一步提高了运算速度。五、提出了一种高精度和遮挡鲁棒的多视图立体视觉方法提出了一种参数估计三维空域传播的PatchMatch方法,并研究了该方法的并行处理机制;提出了一种基于马尔可夫随机场能量最小化的可见性估计方法;针对支持平面估计多视图优化的问题,采用了MPGC多视图最小二乘匹配方法,并针对该方法提出了一种基于深度和可见性估计的外点检测和剔除方法;针对最终密集重建结果中误匹配剔除的问题,提出了一种基于可见性估计的深度一致性判断方法。本文所提出的多视图立体视觉方法已经经过国际知名的Middlebury数据集的测试,结果显示本文方法是所有参试方法中精度最高的,所有数据集的重建误差均在0.5毫米以内,同时还拥有高的重建完整度,所有数据集重建出来的有效场景表面比例均在95%以上。