基于图像的三维重建方法由于其重建速度快、重建模型精度高以及可操作性强等优点,逐渐被广泛应用于多个领域。基于图像的三维重建过程包括:图像采集、图像特征点检测及图像间的特征点匹配、利用相机标定原理来恢复场景、利用CMVS/PMVS算法进行稠密重建最终得到带有噪点的三维点云模型。此时的点云模型不仅会包含许多噪点,而且数据点之间存在较大的空间距离,使得模型精度和逼真度较低。针对重建出的点云模型,传统的方法需要经过去噪、网格化、修复流型边缘、参数化、投影纹理等多个步骤才能得到逼真度较高的三维模型。本文针对基于图像重建出的点云模型的纹理映射方法展开深入研究,主要研究内容和工作如下:1.探讨了基于图像的三维重建算法相关技术和特点,并且在特征点匹配过程中采用了一种改进的双向KNN匹配算法,使得匹配的结果更加精确。举例说明了现有的纹理映射算法的国内外研究现状,分别探讨了这些算法的优缺点和适用性。2.对于大规模复杂场景,其输入的图像序列通常很长,本文探讨了时空自适应采样方法选择合适的关键图像进行后续的纹理映射优化,以减少处理时间,并提高所生成的纹理贴图的质量。首先在时域中对输入图像序列进行模糊度计算,然后选择模糊度相对较小的图像来进行采样,最后对之前获取的具有最小模糊度的关键图像进行唯一性计算。这样之后就可以进一步减少冗余信息,去除差异较小的关键图像,从而减轻后续纹理数据的处理。3.提出了一种利用颜色纹理对重建的三维模型进行高真实感的纹理映射算法,该算法主要分为三个步骤:第一步是利用Bundler获取空间三维点与每幅图像上面二维点之间的对应关联;第二步是为每个三角面片选取最合适的映射纹理块。为避免输入图像像素数据冗余,我们在纹理映射之前对图像进行纹理选择,只保留纹理对应区域,从而加快纹理映射速度;第三步是针对映射结果再进行纹理一致性优化,以避免纹理边界处的颜色差异。