图像不仅包含颜色、大小等属性信息,还具有位置、形状及拓扑关系等丰富的空间信息,它能够为GIS提供及时、综合和可靠的空间数据,是GIS空间数据的重要来源。随着数码相机、手机等摄像设备的普及使用,以及摄像元件分辨率越来越高,图像包含的空间信息也越来越丰富,从图像中快速提取并构建三维模型成为3DGIS空间数据获取的发展趋势。在计算机视觉研究领域,目前较多关注基于图像提取三维模型的方法研究,较少研究三维模型精度问题。本文拟基于双目视觉原理,研究序列图像三维重建的不确定性。从序列图像中提取的三维点云精度直接影响双目视觉三维模型的精度,本文以序列图像作为数据源,研究双目视觉三维点云重建流程,综合运用不确定性相关理论,分析序列图像三维点云重建过程中的影响因子,研究序列图像三维点云重建的不确定性模型及其量化表达方法。主要研究内容及成果包括以下几个方面:（1）基于序列图像重建三维点云模型。在研究双目视觉三维点云重建关键技术的基础上,对比各个关键技术算法的优缺点,选用SIFT特征匹配、RANSAC基础矩阵估计、由本质矩阵求解三维点云等算法实现序列图像三维点云重建。（2）构建SIFT特征匹配的不确定性模型。基于SIFT特征匹配模型,分析SIFT的影响因子,构建SIFT特征匹配的不确定性理论模型;运用统计学理论,结合蒙特卡罗方法对SIFT特征匹配的不确定性进行量化。本文以特征匹配点的错误匹配率和正确匹配点的转移误差来度量特征匹配点的不确定性,通过分析认为,特征匹配点的转移误差主要落入图像梯度变化较小的区域;相对于平均转移误差,SIFT的影响因子对错误匹配率的影响较大。（3）设计特征匹配点的几何形状对基础矩阵估计可信度的度量方法。点的几何形状对基础矩阵估计影响较大,为提高研究结果的准确性和可信度,本文引入卫星导航定位系统中的水平精度衰减因子,通过分析点的几何形状与基础矩阵估计结果之间的映射关系,研究特征匹配点的几何形状对RANSAC估算基础矩阵的可信度。当特征匹配点分布均匀时RANSAC估算基础矩阵的可信度较高。（4）构建RANSAC估算基础矩阵的不确定性模型。本文采用协方差矩阵和Mahalanobis距离表达基础矩阵不确定性,在此基础上,运用蒙特卡罗方法量化RANSAC估算基础矩阵的不确定性。综合分析认为,无需考虑RANSAC本身的影响因子对基础矩阵估计不确定性的影响。（5）构建基于序列图像重建三维点云的不确定性模型。结合矩阵微分理论,采用GUM方法分析特征匹配点、基础矩阵和摄像机内部参数等的不确定性传播过程,实现序列图像三维点云重建过程的不确定性度量。同时,本文也确定了基于序列图像重建的三维点云不确定性模型的几何形状,它是一个在摄像机坐标轴上相互影响,且在深度方向上数值较大的长椭球体。