基于多视影像的三维重建是近年来摄影测量和计算机视觉领域的主要研究热点之一,针对城市区域大场景三维重建而发展起来的倾斜摄影技术,作为其中的重要发展方向,通过获取大范围、高分辨率、多角度的航空影像,能够得到精细的城市三维模型。然而,成像系统的相机之间基线较短、倾斜影像变形较大、视线遮挡严重等问题,直接影响着三维模型重建的完整度和精度。基于此,本文研究了倾斜摄影技术三维重建中的几个关键问题,围绕多视航空影像密集匹配获取点云、后续点云处理、几何模型重建等三个方面展开。(1)本文对基于影像的三维重建相关技术及原理进行了整理,在立体视觉对应基本原理的基础上,对比不同的影像匹配点云获取方法,综合点云密度、精度、完整度等指标,最后选取改进的SGM算法作为本文多视航空影像密集点云生成的方法。(2)提出一种适合于多视影像密集匹配点云的处理方法,提升点云的整体质量,主要包括冗余点云的剔除,点云平滑和点云重采样操作。通过分析点云噪声的产生原因和分布特性,采用反投影误差和距离统计分析两种方法进行噪声检测;并结合二维图像中值滤波的思想进行改进,剔除影像重叠区域点云融合产生的冗余点;利用改进后的移动最小二乘方法,实现局部平面区域不平坦点云的平滑。由于弱(无)纹理区域难以匹配和冗余点剔除不可避免的会产生点云空洞,在制作数字表面模型的过程中,对比分析不同准则约束下格网内插采样的效果。(3)对比适于数字表面模型自动生成的主流三角网构建算法,并以泊松表面重建为例。为了能够实现高质量的泊松表面重建,在点云预处理的前提下,通过法向量一致化得到点云合理的矢量场分布,将表面重建问题转换为泊松问题求解,从而获取重建表面精确的数学描述——指示函数,并验证了泊松重建算法在抗噪、、三角网模型冗余等方面的局限性。本文针对倾斜航空影像和无人机影像分别进行数字表面模型自动生成实验,结果表明,本文方法在一定程度上提高了数字表面模型获取的完整性和精度,满足数字表面模型的应用需求。