随着图像传感器技术的快速发展，大量高分辨率的图像对基于图像的快速大场景三维重建算法提出了巨大的挑战。本文主要针对大场景三维重建中速度和精度的两个问题进行系统研究，提出多种快速鲁棒的全局式大场景三维重建算法，主要工作包括以下几方面:　　1.针对有先验信息的图像重建，提出了一种融合有噪先验信息的大场景三维重建方法。首先利用图像拍摄时的先验信息，比如GPS信息、IMU信息以及指南针信息等，初始化摄像机的拍摄位姿。然后，根据初始的摄像机旋转矩阵，迭代地判别外极几何图中边的潜在内点，并利用非线性最小二乘方法优化摄像机旋转矩阵。在此基础上，根据初始的摄像机位置，迭代地发现匹配点轨迹中的潜在内点，通过反复捆绑调整优化摄像机的位置和空间三维点云。大量不同类型图像重建实验表明，我们的方法与很多优秀的重建方法在重建精度和场景结构上相当，但是在大场景重建速度和鲁棒性上我们表现更好。　　2.针对多摄像机拍摄系统，提出一种全局式融合广义摄像机模型的大场景三维重建方法。在多摄像机系统拍摄图像的过程中，多个摄像机内部的相对旋转矩阵和相对平移关系是保持不变的。我们将此先验信息融入到摄像机位姿参数优化中，通过引入广义摄像机模型，使得最终捆绑调整得到的摄像机位姿更加符合真实拍摄的物理模型。通过对街景车和无人机倾斜射影两种多摄像机拍摄系统进行真实图像测试，该方法不仅提高了三维重建系统的速度，而且重建得到的场景结构和精度也得到一定的提升。　　3.为了提高大场景三维重建中捆绑调整的速度，提出一种基于外极几何图覆盖来进行匹配点轨迹选取的方法。首先，我们根据匹配点轨迹的长度、尺度和平均重投影误差三项准则，对匹配点轨迹的可信度进行排序。然后，通过覆盖外极几何图的生成树以保证摄像机之间的连接关系。最后，随着多次外极几何图生成树的构建，得到一组匹配点轨迹的子集用以进行后续的迭代三角化和捆绑调整。大量图像重建实验表明，重建系统在融合该方法后，不仅提升了三维重建系统的速度，而且极大地降低了大场景三维重建时所需要的内存消耗，使得重建系统可拓展性更强。　　4.针对没有先验GPS信息或者仅有部分GPS信息的图像重建问题，提出一种全局式的摄像机位姿求取方法。首先，利用外极几何图上相对旋转与绝对旋转矩阵的关系，求取摄像机的绝对旋转矩阵。然后，基于RANSAC技术，利用2点法重新计算外极几何边上的相对平移方向，并根据优化后的相对平移方向和匹配点轨迹计算外极几何边模长的比值。最后，利用该比值和相对平移方向，通过凸的L1问题优化求解摄像机的绝对位置。通过在网络抓取图像和无人机图像数据上的测试，该方法与很多优秀的重建方法在重建精度和场景结构上相当，但是在有部分GPS信息时，它可以内在地融合这些信息进行求解。