多视图立体三维重建一直是计算机视觉领域最热门的研究问题之一，它的目标是通过拍摄物体的图片来自动的恢复具有真实感的物体三维模型。近年来，随着信息技术的不断发展，三维重建领域取得了重大的突破，其结果被广泛的应用于机器人导航、虚拟现实、文化遗产保护、电影特效、三维游戏等多个领域。　　 多视图立体三维重建的前提是相机定标，为此我们首先介绍了两种适用于不同采集设备的实用的相机定标方法。在对现阶段前沿的多视图立体三维重建算法进行了分析总结之后，本文提出了一种高效、鲁棒并能自动生成高精度模型的多视图立体三维重建算法。首先，我们提出的深度图生成算法通过对投射光线上的采样位置使用面片逼近曲面来得到更精确的像素匹配，并利用高性能图形处理器的并行能力来快速的生成深度图；其次，我们将深度融合放在体素图分割框架下进行，提出了鲁棒的深度投票策略来构建网络流各边的权重，并在使用graph-cuts求得网络流的最大流最小割后利用Marching Cubes算法从分割的体素场中抽取三角形网格；此外，我们还引入网格优化的概率模型，并基于此概率模型提出了几种网格优化策略对粗糙的模型进一步求精；最后，为了使模型能够具有与真实物体相同的视觉效果，我们对多视图纹理映射进行研究后使用顶点着色和基于中值坐标的模型参数化为重建出的模型添加和组织颜色信息。　　 我们使用了大量的测试数据对算法进行检测，实验结果表明我们的算法不仅高效鲁棒，而且所重建出的模型精度高。事实上，我们的算法先是利用局部优化算法求得带有局部颜色一致的深度图，再使用全局优化算法提取带有全局颜色一致性的网格模型，最后使用网格优化进行局部颜色一致的优化。正是这种全局和局部交叉进行的策略使得我们的算法在使用多组不同数据集时都能重建出高精度的模型。