从图像中恢复场景的三维模型是近年来计算机视觉领域一个热点研究领域,近些年来随着影视游戏,旅游与虚拟展示,文物遗址保护等领域日益上升的现实需求的驱使,从图像序列中提取场景三维模型的逆向建模技术取得了显著突破。相较于采用三维建模软件的正向建模方式效率低交互复杂,基于结构光和激光扫描仪的建模方式成本高对适用场景也有一定限制,在大型场景重建方面基于图像的逆向建模方式是比较理想的选择,本文的重心就是基于立体匹配的大型场景重构技术及其加速方案研究。本文的研究扎根于大型考古遗址三维重建应用实践,所选取的技术路线如下：首先对每张采集的图片提取图像特征并在不同图像之间进行匹配；然后基于求解出的特征匹配关系采用相机自标定技术计算相机参数；接着对图像集进行划分并对每个子图像集采用多视图重构算法计算稠密几何信息；最后将这些基于同一世界坐标系的点云整合起来结合简单的手工处理得到最终的场景模型。本文研究工作集中于探索基于多视图的大型场景三维重建技术,核心研究点立足于大型场景建模的计算效率。本文主要工作包括以下三个方面：首先,本文设计实现了基于视觉词汇的相似图像筛选匹配方案,筛选出场景相关度高的图片对进行特征匹配,随着场景图片数量的不断增长进行两两图片匹配计算复杂度会爆炸式攀升从而成为场景重建的计算瓶颈,采用筛选方案可以显著降低图片间的特征匹配计算代价,克服大型场景重建特征匹配的计算瓶颈问题；其次,本文提出了基于特征聚类的SIFT特征加速匹配算法,先将所有图片的SIFT特征在向量空间进行划分,然后对子空间内的图像特征进行密集匹配,计算效率相较于标准的SIFT特征匹配算法有明显的提升;最后我们尝试使用分布式策略对整个重建计算流程进行加速,设计并实现了一套初步的分布式三维重构原型系统。工程实践结果表明这条技术路线比较适合大型场景建模,分布式方案也取到了较为理想的加速效果,并存在很大的提升空间。