单目序列图像三维重建是指根据图像包含的二维信息恢复物体三维信息的技术。基于单目序列图像进行三维重建具有快速、便捷、逼真的优点,能够得到物体高质量的数字化表示。目前单目序列图像三维重建技术已经应用于机器人导航,全景建筑,航空规划,虚拟现实,增强现实,城市建模,无人驾驶等领域。单目序列图像的三维重建方法虽然得到了比较广泛的研究,但是还存在重建精度不高,重建耗时长的问题,针对这些问题,本文深入研究了单目序列图像三维重建相关算法并进行了改进,具体研究内容与改进方法如下:（1）针对三维重建过程中图像特征匹配耗时高与图像中目标区域所占比重少的问题,提出了基于感兴趣区域裁剪与快速匹配的三维重建方法。对图像基于感兴趣区域进行裁剪来增加目标物体在图像中所占的比重,基于下采样构造图像的低尺度空间并进行快速匹配,以此来实现匹配过程的加速。将提出的改进策略应用于三维重建过程中,从而实现重建质量的提高。（2）在选取下最优视图并对图像进行初始姿态估计的过程中,特征轨迹中包含的不正确匹配关系很可能会导致错误的重建结果,同时也会增加重建过程的耗时,针对这一问题,提出了基于层级哈希与轨迹感知的三维重建方法。首先利用层级哈希图像匹配算法来加速构建图像关联图的过程,其次基于图像间的轨迹感知度量得分进行下最优视图选取,有效降低了特征轨迹中错误匹配关系的影响;最后根据图像间的轨迹感知度量得分选取可信赖的图像构造局部空间,并在局部空间中对下最优视图进行初始姿态估计,相较于在全局空间中进行初始姿态估计,有效降低了初始姿态估计阶段的耗时。（3）经过运动恢复结构方法获得的稀疏点云模型的可读性往往较低,通过稠密点云重建得到的模型具有良好的可读性,但计算成本巨大,耗时较高。物体的三维线段模型能够有效表达物体的几何轮廓信息,同时具有重建耗时低的优点。三维线段模型生成过程需要相机姿态等信息,因此运动恢复结构结果的鲁棒性关系着生成的三维线段模型的质量。本文首先利用层级哈希图像匹配算法来加速图像关联图构建过程,同时基于图像间的轨迹感知度量得分选取下最优视图并进行局部初始姿态估计,提高运动恢复结构结果的鲁棒性;其次利用LSD算法检测图像中的二维线段,在三维线段假设生成过程中基于极线约束来筛选冗余的二维线段,降低了该过程的计算成本;最后对得到的三维线段假设基于空间相近度进行聚类来得到鲁棒性较高的三维线段。得到的三维线段模型可以有效表达物体的几何轮廓信息,相较于稠密点云重建耗时更低。