球形全景影像作为一种沉浸式的视觉场景渲染产品推出后,便引发了一场地图新技术革命热潮,全球街景地图网络相继建立,在数字城市智慧交通、虚拟旅游、文物建档等领域应用广泛。球形全景影像拥有较丰富的纹理细节与全方位的视角,为此除了进一步挖掘其所呈现出来的沉浸式体验潜能外,球形全景影像在近景摄影测量中的三维场景模型重建、纹理贴图、量测以及GIS资料集成等方面也具有较大的开发潜力。目前全球街景地图网络的采集与构建一般通过集成GPS/IMU系统与全景相机的车载平台进行,对街景影像的定位定姿精度较为粗略,仅满足了沉浸式渲染的需求,基于球形全景影像的纹理贴图则需要配合人工编修,不能满足自动精确三维场景模型重建的要求。可见,球形全景影像需要探索出定向与三维场景重建的理论和技术,更好地挖掘其作用和价值。球形全景影像由于其特殊的成像方式,在定向中面临着规避拼接误差、匹配误差、前方交会误差控制等难题。本文构建了球形全景影像成像的投影模型,并以此为基础对球形全景影像的位姿进行描述。针对单摄站球形全景影像的定位定姿问题,本文从共线条件出发,提出了改进的EPnP算法和后方交会算法,通过仿真实验和真实数据实验对两种算法进行对比和分析发现,改进的EPnP算法较为高效和稳定,而拼接误差造成的物方投影点噪声对两种算法影响均较大,故应选用拼接误差较小的球形全景影像,并严格控制物方点与球心的距离分布来尽量规避影响。同时,本文通过共面条件推导了球形全景立体像对的对极几何关系,采用本质矩阵描述对极几何约束,并将其用于球形全景影像匹配的优化,实验结果表明,该优化可剔除匹配粗差,并鲁棒估计本质矩阵。多摄站球形全景序列影像的自动定向中,本文避开视野盲区(天空和车体),采用SIFT特征提取与匹配算法获取初始匹配点对,施加对极几何约束加以优化,采用递增式SfM算法进行自动定向,定向过程中新添加的影像采用改进的EPnP算法进行位姿估计后,再利用光束法平差进行单摄站、多摄站球形全景影像整体优化,实验结果表明,位姿估计后半径为1m的球形全景影像三维场景重投影标准差可达到mm级,量测精度可达到dm级或者更高。