三维结构模型在虚拟现实、工业测量等领域具有广阔的应用前景。随着技术的不断发展,三维建模的方法也趋于多样化。其中,基于计算机视觉技术,通过图像进行三维结构模型获取的方法得到越来越多的关注。这种方法使用灵活,不受具体的形状约束,能够实现自动化或者半自动化的建模。数字图像作为重要的信息存储和传递的媒介,能够存储和体现丰富的信息。因此,基于数字图像的研究形成了多个细分领域。本课题首先对基于数字图像的模型构建的发展进行了概述。主要从低空无人机的发展、基于图像的三维重建以及基于图像的计算机视觉测量三个方面展开论述。针对基于图像理论的建筑物模型构建提出了一种通过无人机平台获得建筑物模型的解决方案。在计算机视觉测量中,通常需要预设标志点等,无法满足新的应用场景下对于测量灵活性和快速性的要求。本课题针对这些不足,进行了基于无人机(UAVs)辅助信息,快速获得建筑物主要结构信息和几何信息的算法研究。通过无人机记录的位置信息,进行图像批处理,减少图像匹配复杂度;提取局部点云进行检测,选取合适的点作为测量标志点;通过记录摄像头中心高度信息,进行变换,获得建筑物主要几何信息。实验证明,这种基于辅助信息的算法能够在不预设标志点的情况下,快速获得建筑物立面的主要几何信息,改善测量灵活性,增加计算机视觉测量的应用场景。本课题地另一个研究点是通过图像对于建筑物的表面特征进行识别。这一部分,主要阐述了针对建筑物表面的门、窗等信息的检测。并且介绍了模式识别在数字图像中的应用。本课题选用模板匹配的方法,通过建立知识库,对建筑物表面特征进行识别。同时,通过外部特征对建筑物内部结构进行估计,为建筑物三维模型构建提供比较全面的信息。最后对全文进行了总结,并针对研究中遇到的问题和不足,对未来的工作进行了展望。