目前,越来越多的领域如对地观测,工业测量,军事应用等对三维场景重建的需求逐渐增多,然而传统的三维重建方式需要手工测量后在计算机中通过软件进行绘制,这将消耗大量的时间成本及人力成本,且很难保证户外三维大场景模型的精度。随着无人机技术的兴起,无人机凭借其高机动性,安全稳定等特性,使其低成本且高效率的获取航拍图像序列,然后通过三维重建算法生成三维模型的方法逐渐成为可能,但三维重建算法仍然存在重建速度慢,重建效果差,三维模型质量无法保证等问题。针对上述问题,本文提出了一种无人机航拍图像序列三维场景实时重建的方法,该方法的主要内容如下:首先通过无人机获取航拍图像序列,为了避免图像匹配时产生视频帧冗余现象及视频分割时造成的图像退化等现象,提出了一种图像关键帧筛选算法,将视频图像序列进行浅层筛选以及深层筛选,使得图像特征点提取与匹配的质量得到保障的前提下,大幅减少了待匹配图像的数量,缩短了匹配的时间,极大的提升了三维重建的效率。其次对图像进行预处理,并提出了一种自适应的H-SIFT高清视频图像特征点提取与匹配算法,该算法可以根据输入的视频图像序列分辨率的大小动态调节与高斯函数进行卷积的图像像素的间隔,从而控制匹配的特征点的数量,大幅减少图像匹配所需的时间。最后通过从运动恢复结构算法(SFM)及CMVS-PMVS算法生成航拍图像序列的密集点云,利用泊松表面重建算法(Poisson Surface Reconstruction)通过密集点云生成三角形网格,并对密集点云进行曲面拟合及纹理映射,完成三维重建。最后通过与CPU并行运算算法和GPU的CUDA加速算法相配合,使硬件发挥的性能最大化,大幅缩短三维重建的时间。最终的实验结果表明,该方法能够通过航拍图像序列重建出三维模型,且具有重建时间短,重建质量好,重建效率高等特点,基本满足实时性的需求。