随着我国国家电网的快速发展,大量输电线路在全国各地相继建成。绝缘子作为输电线路上的重要器件被大量使用,其可靠性直接影响到输电线路的安全和稳定运行。绝缘子覆冰导致的绝缘子闪络是绝缘子产生故障的主要原因之一,传统的绝缘子覆冰检测方法多为设置观察站并通过人工进行观测、通过力学和重量等参数建模并检测、通过二维数字图像分析检测等。运用基于图像序列的建模技术对绝缘子进行三维重建,实现可视化远程展示,是一种新的绝缘子覆冰情况检测方法,具有一定的研究和应用价值。本文主要从采集到的绝缘子覆冰图像序列入手,首先对图像进行特征点的提取与匹配,在这一步中提出一种多次匹配的图像匹配策略以获得更多匹配特征点;然后进行绝缘子覆冰图像稀疏点云重建,在这一步中提出基于改进QUATRE算法来剔除误匹配的特征点并快速计算出更优的基础矩阵;接着在稀疏点云的基础上进行基于PMVS算法的三维稠密点云重建,获取覆冰绝缘子的高精度三维点云模型;最后进行泊松网格处理,在这一步中分析泊松表面网格重建的结果,估计绝缘子覆冰冰层体积与冰层最大厚度两个参数,并对绝缘子覆冰类型与覆冰程度进行分析,提高系统的工程实用价值。本文的主要贡献包括:（1）为保障拥有充足的优质匹配特征点进行后期的三维重建,提出一种图像匹配策略:当相邻两两图像检测匹配的特征点数量小于两张图片特征点总数量的10%时,首先计算所有相机间的平移距离,再根据此距离由近到远地进行多次图像匹配。实验结果表明,该策略可以找到更多的有效匹配特征点。（2）为快速准确计算出基础矩阵,提出一种基于改进QUATRE算法的误匹配特征点剔除方法。在基础矩阵估计上不再采取RANSAC算法随机大量初始化子集计算基础矩阵,而是通过智能计算的方法,通过种群中粒子协作快速汇聚到最优解。实验结果表明,该方法优于主流的LMEDS、RANSAC、MSAC算法。（3）为实现绝缘子覆冰类型和覆冰程度的分析,提出使用点云RGB值来判断绝缘子的覆冰类型,并使用绝缘子覆冰冰层体积和冰层最大厚度两个参数来划分绝缘子的覆冰程度。实验结果表明,该方法能得到合理的绝缘子覆冰类型和覆冰程度估计结果,与人工观测结果相符。