从单目图像序列中恢复非刚体的三维结构以及运动信息在机器人导航和计算机视觉中都有着非常重要的应用前景和价值。传统的方法大多是基于形状基线性组合模型来解决非刚体三维运动重建问题。世间万物形态各异,不同的物体对应的形状基也不同。形状基的这种不特定性使得传统非刚体三维运动重建算法的性能在鲁棒性和准确性等方面都存在较大的缺陷,限制了其应用和发展。近期,有学者利用时空的对偶性提出了一种基于轨迹基线性组合模型的非刚体运动重建算法。由于可以采用预定义的轨迹基,算法在鲁棒性和准确性等方面都取得了较大的提高,但离实际应用要求仍有不小的差距。为进一步改善和提高非刚体运动重建算法的性能,推动和促进三维运动视觉技术的发展和应用,本文在已有的研究基础上做了以下工作:1、现实世界中,物体的运动和形状变化都具有一定的连续性。基于此方面考虑,本文将轨迹空间下现有的基于轨迹基线性组合模型的非刚体三维运动重建算法求出的结果和真实数据进行了详细地分析和比较,发现重建结果在运动轨迹平滑性和结构连续性等方面与真实数据存在一定的差距,说明现有基于轨迹基线性组合模型的非刚体三维运动重建算法在求解过程中放松了轨迹平滑性和结构连续性对非刚体运动的约束。2、针对现有基于轨迹基线性组合模型的非刚体三维运动重建算法所存在的问题,本文提出了一种多目标优化的三维运动重建算法。该方法首先构造了一个多目标代价函数,该函数综合了单目图像序列中非刚体的运动轨迹平滑性、结构变化连续性和投影误差等方面的约束条件。然后以该代价函数的最小作为优化目标进行迭代求解,确定非刚体三维结构和相机运动参数,实现非刚体三维运动重建。实验结果表明本文方法可以使重建算法准确性、运动轨迹平滑性误差和结构变化连续性误差等方面的综合性能得到改善。