在机器视觉研究领域中,三维重构一向是其中的热点和难点之一。三维重构技术可以通过传感器得到的二维图像信息,经过一定的算法来恢复三维物体表面的三维信息。该问题的成果已经广泛应用于机器人导航、精密工业加工、非接触式测量、虚拟现实、现场勘探以及军事等各个领域。本文提出了完整的基于单目视觉的图像序列的三维重构算法,具有实验过程简便、成本容易控制、自动化程度较高、非接触、适用范围广泛等优点,对特征点提取和匹配、摄像机矩阵计算、三维重构等技术进行详细的介绍,并对一些重点难点进行了分析研究。首先,本文对摄像机模型和对极几何进行了深入研究。通过利用对极几何的相关知识,不同视图之间的基本矩阵可以求得。根据前面求得的基本矩阵,就可以得到两幅图对应的摄像机矩阵。第二,本文对如何求取摄像机矩阵进行了深入详细的分析。对于已标定的摄像机,求取摄像机矩阵的问题其实就是求取摄像机的外部参数。求取外部参数的问题是一个求解高非线性的超定方程组的问题。这类问题一般具有难度大、局部极小值多、精度低、鲁棒性难以保证的特点。本文详细介绍了三种求解方法——DLT算法、角锥体法、遗传算法。本文对不同的方法中经常遇到的疑难问题进行了介绍,并提出了自己的解决方案。针对不同的实验条件和误差水平,可以选择相应的最优的解决方案,提高了算法的效率和适用范围。第三,本文对三维重构过程中常见的问题进行了详细介绍和讨论,并提出了相应的解决方案,并对多幅视图的三维重构过程进行了详细介绍。为提高三维重构的精度,可以采用整体优化调整的方法,为避免参数过多,我们采用了交替优化的方法,使得计算的复杂度有了很大的降低,重构过程中的效率得到了保证。第四,本文通过大量的模拟实验和实际实验,比较了不同的摄像机矩阵求解算法的异同,同时在实验中不断改进遗传算法的细节,使得算法效率不断提升,最终在保证精度的情况下达到了较高的运算效率。在模拟实验中,计算误差基本与预期相同,在实际实验中,误差水平在0.05个像素左右,达到理想的精度。第五,综合应用以上的算法,完成了对图像序列的三维重构,反投平均误差在0.75个像素左右,达到了预期的精度。