无人机(Unmanned Aerial Vehicle,UAV)技术的快速发展和应用领域的不断扩展,使其成为一种广泛使用的新型遥感数据获取平台。和航空摄影、卫星遥感平台相比,无人机遥感平台具有经济成本低、使用操作简单以及数据获取快捷等优势。无人机三维重建技术通过多角度、多方向拍摄获取地物侧面纹理信息,从而能够实现大规模、高真实、高精度的城市三维重建,极大提高了仿真三维建模的可操作性,得到了广泛地关注和应用。相比于传统建模方法,利用无人机进行实景三维重建,在数据获取、处理效率方面都有着显著的提升。然而,在使用这些专业的商业建模软件时,会存在一些问题:(1)相对传统手工建模的方式,使用商业软件进行三维重建有很大的效率提升,但进行大规模作业时,处理周期仍较长;(2)商业软件的硬件环境要求在不断提高,普通台式机往往无法满足性能要求,在一定程度上也带来诸多不便;(3)商业软件虽然也能支持在局域网下进行并行化处理,但经常出现通信死锁、任务缺失问题;且商业软件闭源,无法进行针对性的修改与开发。针对上述问题,本研究基于GPU集群与并行计算技术,研究完整的、开放的、快速的并行三维重建流程与关键算法。主要研究内容包括:(1)基于集群环境下MPI并行计算技术与CMVS计算机视觉算法的三维重建优化研究。基于计算机视觉相关算法,构建一个代码开源、优化合理的三维模型重建流程;根据串行三维重建流程热点分析结果,定位流程性能瓶颈;在深入分析算法原理与流程的基础上,分析并确定算法的可并行性及并行优化方法,实现在集群环境下基于MPI并行编程技术的CMVS稠密点云生成算法。(2)GPU环境下的三维重建流程关键环节并行优化研究。为进一步加快三维重建流程,充分发挥GPU处理图形图像优势,本研究细化分析三维重建流程,根据流程热点分析结果结合GPU硬件特性设计优化稠密重建面片优化环节,并结合研究内容(1)实现MPI+GPU的二级稠密重建并行流程;此外,使用GPU并行技术处理稠密重建特征提取环节,同时采用合并核函数等方式,进一步优化对应的GPU并行算法;最后,在稀疏重建环节,替换特征提取算子,改进相关流程,实现GPU环境下稀疏重建加速处理。(3)设计相关实验,验证本文提出的优化方法的有效性,并在完成本文主体优化流程后,以并行生成的三维稠密点云数据集作为应用实例,采用相关点云后处理技术,实现三维点云曲面重建生成三维模型。