基于图像序列的三维重建是计算机视觉和计算机图形学技术的结合,其通过对场景或目标拍摄一系列图像还原出摄像机参数和场景三维信息。建模简单、更新速度快的基于图像序列的三维建模技术,在考古学、建筑学、地质学、虚拟现实、机器人导航、精密工业测量、物体识别、现场勘测以及军事领域等有着非常广阔的应用前景。如何尽可能自动地实现三维重建是当前的一个前沿课题,本文对三维重建各部分方法的研究考虑了自动实现问题。本文介绍了多视图几何、射影几何的基本概念和摄像机模型的建立过程,对基于图像序列的三维重建中图像预处理、特征元的检测和匹配以及摄像机标定等工作进行了深入探讨。论文的主要工作分为以下几个部分：第一部分是图像噪声的检测和滤除,本文研究了中值滤波及其各种改进方法,提出一种基于BP神经网络检测噪声的自适应开关滤波方法。该方法充分利用像素本身及邻域信息,噪声检测效率高,实现自动滤除。第二部分是图像特征匹配,本文介绍了三维重建中适用的特征检测和匹配技术,并利用随机抽样一致性算法(RANSAC)和基础矩阵、单应矩阵的约束优化匹配。针对摄像机标定使用的模板,实现了一种基于射影不变性的模板特征描述。第三部分是摄像机标定,该部分介绍了基于圆点集平面模板的摄像机标定方案,实现了自动的准确性较高的摄像机标定,适用于多角度立体视觉中小目标物的标定。同时,研究了一种精标定算法,利用降尺度图像上的多视角立体视觉方法和光束平差优化实现摄像机参数更精确的标定。最后,利用实际拍摄的图像序列,结合本文中讨论的部分方法实现了图像序列的摄像机参数估计和场景三维信息还原。另外,本文在技术实现上结合了从运动恢复结构(SFM),多视角立体视觉(MVS)和光束平差(BA)方法。