近年来,三维重建作为计算机视觉中的重要核心部分之一,一直是非常热门的研究方向,随着计算能力的不断提高,三维重建在实际的应用中表现的非常出色,三维重建在古建筑复原,虚拟现实、智慧医疗和智慧城市等方面都发挥着重要的作用。激光扫描仪和雷达设备由于造价昂贵,使用成本很高,因此并不能普及应用,基于图像的三维重建以其低廉的获取方式正在快速的发展。本文利用增量式Sf M、半全局匹配等算法来初始化相机位姿和深度图,在多视角立体重建中将深度图映射到双三次曲面中,提出了一种基于立体信息和明暗线索（Shading Cues）信息的联合优化框架来优化隐式曲面,间接优化深度图,从而完成深度图重建。运动恢复结构（Structure from Motion）的输入是一组无序的多视角图像,需要通过多视几何的相关基础理论知识来求解相机的拍摄位置和姿态参数。文中讨论了相机模型的设定方式,求解相机位姿信息的方法以及使用增量式重建进行生成比较准确的相机位姿和三维点云,为后续工作提供了基础支撑。半全局匹配（Semi-Global Matching）算法通过代价计算、代价聚合、视差估计以及视差优化等方式在双目视觉中能够快速产生较好的深度信息,一直以来都是非常受欢迎的深度估计的方式。本文中对经典的基于Census的半全局匹配算法结果进行了优化,并且将其结果用来初始化多视角立体重建中的深度图像,为后续的重建提供了先验深度信息。多视角立体（Multi-View Stereo）算法中,本文使用了深度图重建的方式。文中通过利用上述过程提供的初始相机位姿信息和深度图来初始化隐式的双三次曲面模型。另外,通过分析图像之间的立体和明暗线索信息构建出一个联合优化框架来优化双三次曲面,使用了高斯-牛顿法对能量函数进行最小化。实验表明,本文提出的基于立体和明暗线索的三维重建算法在整体的精准度和完整度指标中表现较好。