三维重建是计算机视觉领域最热门的研究方向之一,它是一门研究物体的冗余二维信息恢复物体在空间中的三维信息的技术。本课题的输入可以是单个数码相机多方位拍摄被重建物体获得的多幅无序图像,也可以是不同相机对被重建物体拍摄获得的多幅无序图像。射影几何和摄像机成像原理是理论基础,并且介绍了单应矩阵、本质矩阵和基础矩阵的概念、计算方法以及具体应用,其中的计算方法引出了4点算法、8点算法、直接线性变换技术、随机采样一致性定理、最小二乘法等特定算法,并且分析了经典的sift特征点提取算法以及相应的匹配算法。本文从以下几个方面研究了基于多幅无序图像的三维重建技术:在特征点匹配方面,比较了传统的线性扫描算法以及基于KD树的BBF算法;在去除误匹配方面,简化了传统的过程。传统的算法流程是利用RANSAC求得一个中间模型,并用该模型作用于原始匹配集,其中的内点作为保留点外点作为去除点,并在内点上再次利用最小二乘法求得的模型作为最终的模型。本文的算法流程是利用RANSAC求得的内点直接作为保留点,也在保留点集上利用最小二乘法求得最终模型。在不影响最终匹配对、误差和的前提下,提升了时间效率。本文深入分析了多幅无序图像特征点关联算法,其利用pair、vector等数据结构,并配以广度优先搜索策略以及标记、防御式编程等思想,将多幅无序图像关联起来,该算法是多幅无序图像三维重建技术不可缺少的步骤。深入理解摄像机成像原理,有助于理解三维重建的过程,特别在摄像机矩阵恢复平移向量时本文提出了新方法。从公式)36.2(出发,摄像机矩阵的左边33?矩阵是可逆矩阵M,右边13?矩阵是??tM,一个简单的矩阵求逆以及矩阵相乘就可以求得平移向量t。该方法简单明了并且容易编程实现,不易出错。基于多幅无序图像的三维重建技术。深入分析这种渐增式的三维重建过程,包括新增相机的选择、该相机内外参数的恢复、稀疏点云的扩充,以及其中的误差控制与处理。并且给出恢复的稀疏点云实验结果。