运动恢复结构技术，即通过利用物体的一系列二维图像序列特征点的观察值，估计出与这些特征点对应的物体三维的结构，以及相关的摄像机运动参数的技术。该技术应用范围广泛，是计算机视觉领域重要的研究方向之一。本文主要针对运动恢复结构过程中遇到的一些关键问题进行研究，本文的主要研究内容包括以下两个方面:　　1、对于运动恢复结构问题中不可避免的缺失值问题进行相关研究。通过将缺失项视为二维特征点序列的异常值，建立一种基于概率的稳定矩阵分解方法的缺失值估计模型。进一步的，利用不同秩条件下，缺失值估计结果的波动性，设计了一种基于粒子群优化算法的特征点缺失值集成估计方法，以获取具有更高估计精度和稳定性的估计结果。　　2、对基于旋转不变核的非刚体运动恢复结构算法进行改进，提出了一种基于特征值分解的最优秩选择方法。基于旋转不变核的非刚体运动恢复结构算法是一种比较优秀的非刚体运动恢复结构算法，能够较好的解决非刚体运动恢复结构问题，且相对于其他算法，该算法对于不按时间顺序排列的二维特征点也能取得较好的恢复结果。然而，由于该算法没有提供三维形状基数目的选取方法，使其实际应用受到限制。针对这一缺点，本文提出了一种基于特征值分解的三维形状基数目选取方法，该方法只需要根据输入的二维特征点序列矩阵即可估计三维形状基数目。实验结果证明，该方法求得的三维形状基数目接近或等于最优值，且其对应的三维误差也较小。