随着科学技术和生活水平的日益提高,二维信息已不能满足人们逐渐增长的观感和视觉需求,而三维重建技术为解决这类问题带来了一线生机。目前,根据重建的设备不同,三维重建技术主要分为:基于主动视觉和基于被动视觉的三维重建。基于被动视觉中,使用序列图像进行三维重建的方法,由于其成本较低,获取图像简便,自动化程度高等优点,广泛应用于各个场合。基于无人机图像序列的三维重建技术更是因为其可重建尺度较大的物体或者大规模的场景,而深受研究者的喜爱。本文主要对三维重建中的相机模型、特征点检测、稀疏重建和稠密重建等相关算法进行介绍和研究。主要研究内容如下:(1)首先介绍了较为常用的相机模型和相机标定方法;其次研究了广泛应用的SURF和Harris特征点检测算法,针对Harris角点检测算法不具有尺度不变性的不足,提出了改进的Harris角点检测算法,利用Sift算法的尺度不变性的特点,在Harris检测角点前,先为图像建立高斯金字塔尺度空间,然后进行角点检测;当进行角点判断时,使用较为简单快速的最小特征法计算角点响应函数。用云杉图像对改进的Harris算法进行了验证,实验结果证实了本文提出的改进算法的有效性。(2)紧接着研究了基于从运动恢复结构的稀疏重建算法,针对稀疏重建中基础矩阵估计精度较低等不足,提出了基于多核学习-密度峰值的基础矩阵估计算法,使用多核学习方式改进密度峰值算法中的局部密度定义式,并通过γ分布图自动选取聚类中心,利用改进后的基础矩阵估计方法估计基础矩阵,并使用三角化方法计算特征点的三维坐标,最后对相机参数和三维坐标进行BA优化得到稀疏重建后的结果。使用无人机图像重建出了云杉的三维稀疏点云,实验验证了所提出算法的鲁棒性。(3)最后研究了基于平面片的立体视觉重建算法,根据稀疏重建的点云,定义了一个具有大小和方向的平面片,利用改进后的Harris和DOG特征点检测算法为每个正确匹配的特征点重建一个与之对应的平面片,为了保证所有平面片的正确生成,使用可见一致性约束对错误生成的平面片进行筛选,最终重建出较为精细的稠密三维点云。利用改进的PMVS算法对多个稀疏点云进行稠密化实验,实验结果表明了改进的基于平面片的稠密重建的有效性和鲁棒性,为研究云杉树冠截留提供有力的证据。