基于视觉的导航与三维重建是计算机视觉研究的重点领域。其中，基于立体视觉的视觉导航和三维重建比较成熟，其实质是利用双目或者多目摄像机的视差信息从二维图像中恢复场景的深度信息，从而重建整个三维场景或者对场景进行判断、理解以进行导航。本文主要研究的是基于单目视觉的障碍物检测和三维重建，其实质是利用单目摄像机的运动信息从二维图像中恢复场景的深度信息或者相对深度，从而达到三维重建或者视觉导航中的障碍物检测的目的。障碍物检测与规避是基于视觉的移动机器人自主导航的先决条件。对于视觉导航，并不需要重建整个三维场景，而仅需提取场景的相对深度(time-to-contact)。在静态环境中，从运动的单目摄像机视频序列中可以获得移动机器人的ego-motion信息并恢复场景的相对深度，从而为障碍物检测和规避提供依据。提出了一种基于摄像机前方局部地平面假设利用光流的障碍物检测方法，用4个以上空间中同属于一个平面的点的光流估计出摄像机的运动参数，并且对障碍物估计出相对深度，生成障碍物图。实验表明该方法适用于室内和室外场景中的移动机器人障碍物检测和规避视觉系统；提出了一种基于场景中有远处点假设的利用光流的障碍物检测方法，从单目摄像机视频序列中提取出连续两帧，用KLT特征点跟踪方法得到稀疏的光流，基于远点假设估计车体运动的旋转分量和FOE，并对估计出的参数进行全局优化。得到车体运动的参数后，估计场景的相对深度，并进行后处理识别出障碍物。实验表明该方法是合理的，适合于一般的室外场景。三维重建是计算机视觉领域的一个重要的研究方向，其应用领域十分广泛，如机器人视觉导航中的障碍物检测和三维地形重建、工业制造中的实物造型、医学影像分析以及虚拟现实等。提出了一种基于单相机的高精度三维重建方法，在待重建场景中放置一块平面标定模板，用内参数已知的摄像机拍摄不同角度的二幅图像，利用场景中的标定模板精确地求解出拍摄时摄像机的外参数，并以此为基础进行立体标定、配准和匹配，得到视差图进而实现欧式几何意义下的三维重建。实验结果表明，本文提出的算法实现简单、配置灵活，重建精度高，具有较强的实用性。