在计算机视觉领域,从二维图像中重建出物体的三维模型一直是学者们研究的热点,它综合了众多的学科知识,且在航空测绘、视觉导航、医学诊断、电子商务、虚拟现实等领域都有着非常广阔的应用前景。本文对基于多幅图像的三维重建的相关理论和算法进行了较深入全面地研究,并在此基础上提出了一种基于光流-场景流的单目视觉三维重建算法。针对场景配准问题,本文提出了改进的基于单位四元数的绝对定向算法实现粗配准,同时利用稀疏ICP算法实现场景的精确配准。针对重建结果与真实场景相差一个尺度因子问题,本文提出了基于点结构光的方法实现重建中尺度因子的求解,进而实现场景的欧氏重建。最后手持单目相机对室内场景进行图像采集和实验。主要贡献有:(1)基于光流-场景流的单目视觉三维重建算法。相机位姿及空间三维点的精度会对后续重建结果有重要影响。针对相机位姿和空间三维点坐标存在较大误差问题,本文运用了基于视差角特征参数化的改进光束法平差算法,建立视差角特征参数化模型,通过引入无深度特征类型点来避免由于近零视差导致的误差增大,从而实现了对相机位姿和空间三维点的优化。针对传统的三维重建方法,本研究另辟蹊径,从运动视觉分析的角度出发,对传统三维重建方法进行改进。在立体视觉与光流场之间建立一个恰当的结合点,对原始重构网格进行调整,将粗略、不准确的原始网格曲面经过非刚性变形,调整至精确曲面,实现了对环境准确地三维立体化建模。实验结果证明本算法具有较高的重建精度。(2)改进的由粗到精的点云配准方法。为了将不同坐标系下的场景转换到同一个坐标系下,本文采用改进的由粗到精的点云配准方法。首先,采用改进的基于单位四元数的绝对定向方法实现粗配准。通过对实验结果进行分析,验证了算法的有效性;然而粗配准只是提供了粗略的旋转平移关系,为了得到更加精确的配准结果,需要对点云进行精确配准。因此,本文采用了稀疏ICP算法,实现对场景的精确配准。实验结果表明,该方法能有效提高配准的精度。(3)基于点结构光的单目视觉重建中尺度因子确定方法。运用基于光流-场景流的单目视觉三维重建算法实现对环境的立体化建模。然而,在场景中未放置靶标的情况下,图像序列重建后的三维场景与真实的三维场景之间缺少一个真实尺度因子,没有达到欧氏三维重建的效果。针对于此,本文提出了基于点结构光的方法实现对尺度因子的确定。实验数据表明了该方法的可行性与有效性。实验结果表明,通过采用基于视差角特征参数化的改进光束法平差算法,能有效提高相机位姿估计和三维空间点精度。采用基于光流-场景流的调整策略,能够有效地将粗略的原始网格调整至精确的曲面,实现对环境的三维重建。利用改进的由粗到精的点云配准方法可以有效提高点云配准精度,实现对真实场景的拼接。提出的基于点结构光标定方法,可以确定重建场景与真实场景相差的尺度因子,实现对真实场景的欧氏重建。