基于图像的三维重建是计算机视觉从二维走向三维的重要一步,是计算机视觉发展的必然趋势,其具有传感器价格低廉、非接触式、测量范围广、重建细节丰富等特点,成为了近年来三维重建研究的热点与难点。航拍作为室外大规模场景图像资料的重要获取手段,其对应的三维重建方法对于数字化城市与地形测绘等领域具有十分重大现实应用意义。在图像特征检测与匹配阶段,场景中重复的纹理将导致大量的误匹配,根据航拍序列图像中像素的移动特性,本文提出了基于运动一致性的匹配外点剔除策略。算法以匹配点对的连线斜率作为观测对象,参考正态分布中的3σ准则,从而构建斜率取值的置信区间,剔除区间外的误匹配点对。本文设计并采集了测试数据用于改进效果的验证,结果表明筛选后的匹配点对能够提供更加准确的位姿估计。在航拍图像为广场、草地等场景时,特征点数量较少且易受噪声影响。针对此类弱纹理的场景,本文在点特征的基础上提取线段特征作为补充。本文提出了针对线段的全局几何约束,以匹配线段的角度差异、中点连线斜率以及最短长度作为观测对象,采用RANSAC算法进行误匹配线段的剔除。实验表明,通过该约束,能够得到更准确、可靠的线段特征匹配关系。本文对现有算法进行了整合。从序列图片到网格模型的重建主要包含三大模块:稀疏点云重建、稠密点云重建与表面网格重建。本文稀疏点云重建采用增量式运动恢复结构的方法,稠密点云重建采用深度图融合的方法,表面网格重建采用基于隐函数的方法。本文对各模块进行了完整的算法描述并进行了相关实验与分析。通过对场景进行无人机航线规划与航拍图像采集,根据本文实现的三维重建系统,完成了对校内建筑的三维重建。