三维重建在计算机视觉领域中一直是一个热门的研究方向,其在自动驾驶、增强现实、医疗和文物恢复等方面都有重要的作用。单纯使用RGB图像进行三维重建相对于使用LIDAR或者RGB-D相机进行三维重建的成本低很多,因此本文提出了一种基于运动恢复结构和多目立体视觉相结合进行三维重建的框架,仅使用场景的多视角图像即可完成对场景的稠密重建。运动恢复结构(SfM:Structure from Motion)通过输入无序的多视角图像,利用多视几何的相关理论计算相机的位置和姿态参数。特征点匹配一直是SfM算法中的瓶颈,因此本文提出一种基于图匹配的SfM框架,通过减少大量不必要的匹配来提高算法效率,采用的方法为借助Fisher向量计算图像的相似度来对图像进行聚类,利用最大生成树并扩展来构造充分而不冗余的匹配图,最后借助聚类图的最大生成树完成聚类间的融合,从而得到相机的全局位姿参数。多目立体视觉的任务是对场景进行稠密重建。本文提出了两种多目立体视觉框架,第一种是使用具有位置和朝向信息的自适应尺度表面切片来密集覆盖场景表面的多目立体视觉算法,利用SfM的输出进行初始化后,对稀疏表面切片进行扩展和派生来完成稠密重建的任务;第二种是利用一个基于深度学习的多目深度估计网络来恢复多视角图像对应的深度图,映射成点云后进行融合就可以得到场景的稠密点云。通过本文给出的SfM算法可以计算每个相机的参数并得到稀疏点云结构,并以此作为多目立体视觉算法的输入来完成对场景的密集重建任务。实验表明,本文提出的SfM算法在精度和速度上相对优于其他方法,而且两种多目立体视觉算法在完整性上分别取得了传统方法和基于深度学习方法中的最好结果。