大尺度地面目标的三维重建是计算机视觉的研究热点之一，基于图像的三维重建技术是最具前景的研究方向，也是当前三维重建领域的研究难点，获得高真实感、大尺度的三维模型有越来越迫切的现实需求。针对图割立体匹配算法中存在的区域平行阶梯缺陷，本文提出一种基于视差范围自动提取的视差图优化算法，改善了视差图的精度。并提出了基于光心约束的场景模型拼接算法，为今后城市尺度大小场景的三维重建提供了良好的基础。本文的主要工作和创新点如下：　　1.基于图割理论的立体匹配是从同一场景不同角度的两幅或多幅图像中得到视差图，进而求得场景的立体深度，为三维重建、视觉测量等提供有用的信息。然而，视图视差范围的选择往往被忽视，本文提出一种基于图像分割及SIFT特征的视差范围自动提取算法，并将得到的视差范围值应用于立体匹配算法中视差范围的取值。对Middlebury中的标准数据进行测试的结果表明，该算法能准确的提取视图的视差范围。　　2.针对图割方法进行立体匹配时存在的正面平行表面缺陷的问题，提出一种最小二乘法的迭代改进方法，对立体匹配得到的视差图进行优化处理，通过对标准数据图像对的测试表明该算法能够有效提高各类平面与曲面的视差精度，并给出了利用视差求得的teddy图像的三维点云模型，通过比较更直观的证明本文算法在连续平面点云重建的效果更好。　　3.重构多义性原理证明了不同的重建模型其尺度与真实场景各不相同，本文给出了利用投影矩阵求解摄像机光心的推导过程，并利用摄像机中心（又称为光心）约束，提出一种基于平均距离的尺度缩放比例计算方法，通过计算不同点云模型中的对应点到各自模型点云中心的平均距离的比值确定不同模型的相对缩放比例，实现了不同模型的尺度归一化。利用本文算法对巴黎圣母院和坦克模型的重建点云的尺度归一化结果证明该算法是有效的。　　4.场景拼接的关键是将模型统一到同一坐标系中。共用摄像机中心在不同模型坐标系中坐标表示不同，将其作为不同点云模型对应点并利用Cayley变换求得旋转矩阵和平移矢量，将归一化尺度后的不同模型统一到同一坐标系中，实现场景拼接。为验证本文算法的有效性，将利用Cayley变换求得的变换矩阵与目前在点云配准领域运用最广泛的ICP算法的一种简化形式求解得到的变换矩阵做了比较，结果表明本文提出的基于光心约束的场景拼接方法准确度较高。两个模型的拼接技术可扩展应用到更多模型的拼接，为以后的城市尺度大小场景的三维模型建立奠定了扎实的理论基础。