利用图像中的二维信息来恢复真实世界三维结构的问题是近年来计算机视觉领域研究的热点问题,也是其中的一个重要研究方向。为了解决这个问题,国际上相关领域的研究人员已经提出了一些较为有效的解决方法。其中,基于图像序列的三维重建方法以其重建约束限制条件少、重建所需预知的信息量少、适宜对大尺度场景进行重建的优点,成为了解决该问题的一类最主要的方法。然而,传统的基于图像序列的三维重建方法大多只能实现射影尺度或仿射尺度下的三维重建,即重建结果与现实尺度相差一个尺度因子,从而产生三维重建的多义性,甚至导致重建结果的失败。因此,本文提出一种能够消除这种重建多义性的欧式三维重建方法,使得利用图像序列重建后的三维场景与现实世界场景的尺度保持一致,并同时提高三维重建算法的鲁棒性和精确性。为了在整个三维重建过程中引入欧式尺度,我们在图像序列的首帧引入人工标定3D特征点,并在对应的第一帧图像中找出对应的2D图像点。根据PnP算法的特性,通过6对或6对以上2D-3D特征点对能够估计出摄像机位姿参数的唯一解。本文采用6对初始化人工特征点进行尺度引入,并估计首帧图像的摄像机位姿；然后,利用本文提出的自然特征点跟踪算法对自然图像序列中的自然特征点进行跟踪,并开始估计从第二帧开始的每一帧图像的摄像机位姿,并同时采用本文提出的自然特征点3D重建方法对已经求得摄像机位姿的图像帧进行特征点三维重建；最后,通过对反投影误差函数的优化得到所有估计摄像机位姿参数以及自然特征点3D位置的精确解。由于初始化的人工特征点2D-3D点对引入了欧式距离,因此所估计的摄像机位姿为摄像机在现实世界中的真实位姿,对于后续跟踪的自然特征点重建的三维坐标也是在欧式尺度下的真实世界坐标。经过实验结果验证,本文提出的欧式三维重建方法鲁棒性较高,并且所估计的摄像机位姿与特征点3D位置具有较高的精度。