最近几年，随着全景设备逐步引入国内，腾讯公司开发的SOSO街景地图等城市全景图像逐步进入人们的生活，与传统地图相比具有现实感强、易读等特点，是未来地图发展的趋势。目前的街景图像只具有单纯的二维图像信息，使得街景地图只具有浏览的功能，若能够从街景图像上获得图像所反映的真实三维场景信息，则可以使街景地图更多地为人所用，在城市规划、场景标注、图像测量等各方面都具有巨大的应用价值。随着计算机视觉、计算机图形学等学科的飞速发展，基于图像的模型重建研究获得了众多研究成果。本文旨在基于全景设备采集的街景图像进行模型重建，以恢复街景图像所反映的真实三维场景信息。本文研究的是基于车载相机采集图像的大规模城市街景重建方法，主要研究内容分为以下三个方面：第一，对基于图像特征的点云重建过程进行了研究，选取了合适的点云重建算法。采用了SIFT算子进行特征提取；在特征匹配方面运用了基于Kd-树的特征匹配方法并根据计算的多视图几何关系对匹配点进行筛选；在由运动恢复结构方面采用了集束调整法来最小化重投影误差，并通过逐个增加相机来避免迭代过程陷入局部极小值。第二，根据车载相机采集的每幅图像拍摄时的相机GPS位置对由图像恢复出的点云进行地理配准，把点云由度量结构恢复到欧式结构，使点云反映真实的地理信息。由于采集到的相机GPS位置存在缺失和位置不准等现象，首先采用Hermite插值法对相机位置分情况进行矫正，然后以矫正后的相机位置作为参考配准点集，把由图像恢复出的相机位置点作为待配准点，运用加权近点迭代算法求解最优相似变换矩阵，最后把求解出的相似变换矩阵作用于全局点云从而实现地理配准。第三，对散乱点云的去噪和分区算法进行了研究，运用了栅格空间划分方法来生成点云空间拓扑结构并对该算法进行了改进，运用了基于K邻域的迭代去噪算法进行点云去噪，并运用基于区域生长法的点云分区方法。实验证明本文提出的点云去噪和分区方法对由图像还原出的点云的去噪和分区效果良好。本论文的研究内容为大规模城市三维场景重建提供了良好的指导方法。此外，本文的研究方法不仅可以应用在城市街景重建中，对一般的含有位置信息的图像序列的重建也同样适用。