利用高分辨率航拍影像实现三维重建与语义分割,推动了城市三维建模和城市规划等智慧城市建设领域的发展。为了充分利用高分辨率航拍影像,本文提出一种基于深度学习的高分辨率航拍影像语义稠密重建方法。该方法以高分辨率航拍影像为输入,经历语义分割、相机姿态估计、稠密重建、语义融合4个阶段。在语义分割阶段,通过语义分割网络得到二维图像的语义概率分布。在相机姿态估计阶段,利用运动恢复结构算法计算相机参数和姿态。在稠密重建阶段,利用深度估计网络估计深度图,并将其融合生成稠密点云。在语义融合阶段,利用相机参数,采用基于概率的语义融合方法,将点云分为5类,生成带有语义标签的稠密点云。本文主要研究内容和创新点如下:1.由于目前大多数深度学习方法都无法获得具有丰富细节的高分辨率航拍影像语义分割图,因此本文提出一种基于生成对抗网络（Generative Adversarial Network,GAN）的语义分割模型,用于实现高分辨率航拍影像语义分割。其中GAN模型的生成器,使用改进的ENet网络（M-ENet）获得航拍影像语义分割图。本文方法在UAVid数据集上达到了88.58%的总体精度和72.37%的m Io U。结果表明,与其他基于CNN的语义分割方法相比,本文方法在精度方面有了显著提高,且有效地保留了边缘信息。2.针对高分辨率图像深度图估计过程中产生的严重的显存限制和耗时问题,本文提出一种基于深度学习的深度估计网络Hi Res-MVSNet,用于对高分辨率图像进行深度图估计。网络的第一阶段将图像特征编码到更小的分辨率,以显著减小显存需求。此外,通过将每层的深度搜索范围限制在先前预测的附近,以提高深度图精度。本文方法在DTU和Blended MVS数据集上取得了比较先进的效果,同时显著降低了GPU显存需求和运行时间。与其他使用相同分辨率的MVS方法相比,本文方法运算速度至少快6倍,且显存需求也减小了3倍左右。3.为了克服由于遮挡、环境复杂性和传感器噪声等因素造成的二维分割和深度估计的误差,本文提出一种基于概率的语义融合方法,将二维图像语义概率分布投影到稠密点云上。此外,为了避免意外的语义错误,采用了局部优化和全局优化相结合的策略对粗语义点云进行优化。该方法充分利用多视图的一致性,可高效地生成精细的语义稠密点云。在UDD数据集上评估的实验结果达到88.29%的像素精度。此外,该方法在自采集航拍影像上也有极具竞争力的表现。总之,本文方法可有效抑制和减小重投影误差。