根据传感器获取的信息进行自我定位和对环境地图的构建是移动机器人在未知环境中自主执行任务的基础,构建的地图可以用于后期的导航、定位、规划和可视化等。GPS传感器由于精度的原因限制了其应用范围,其次在室内环境中难以接收GPS信号。相机作为普遍的图像传感器,可以快速简便地获取场景的视觉信息,被广泛应用于计算机视觉和机器人技术中。本文以移动机器人的自主行为需求为牵引,仅利用普通的消费级相机作为传感器,着眼于城市场景中的应用,围绕移动机器人的自主定位和环境地图构建两个方面进行研究,构建了基于无人机航拍的城市场景三维重建系统,具体研究成果如下。（1）针对直线三维重建中严重的退化情形,提出一种新的最小参数直线表示方法用于直线重建的不确定度分析。通过不确定度分析,总结了影响直线重建的主要因素,并且首次给出直线重建精确度的定量描述。此外,提出了一种适用于Sf M和SLAM后处理的三维直线地图构建方法,根据不确定度分析可以对直线地图进行有效地筛选,生成三维直线地图相比于稀疏点更能体现场景的结构性。（2）针对城市场景中包含大量弱纹理区域且特征点较少但是直线边缘丰富的特点,提出一种基于点线特征约束的SLAM方法,提取图像中更高层次的直线特征来构造弱纹理场景中位姿估计的稳定约束项,提高了SLAM在结构化场景中的鲁棒性,并且在线地生成高质量的三维直线地图。特别地,提出一种小基线下的分步Sf M方法,并应用于点线特征SLAM方法的初始化,提高了初始地图的质量。（3）针对稀疏特征点网格化生成的表面模型结构失真的问题,提出了基于直线特征增强的表面模型生成方法。针对局部表面模型生成,提出基于空间邻域分析和投影点限定的空间滤波方法提高网格的质量,并实现了局部表面模型的实时更新;针对全局表面模型生成,采用先验位姿信息进行点云稠密化增强模型细节,利用城市场景的曼哈顿世界假设对直线地图进行校正并用于约束三维三角化,使得到的表面模型边缘结构突出且细节丰富。（4）针对城市场景三维重建问题,提出了基于无人机低空航拍图像的城市场景地图重建系统,包括数据采集、数据传输和数据处理三部分。人工遥控或预设航线控制无人机对目标场景航拍,利用微波通信实时地将图像流传输至地面站,在线地进行稀疏点、线地图重建和局部表面模型生成,离线地构建细节丰富、结构感强的全局表面模型。