土地的合理利用直接关系到社会的可持续发展,土地数据的快速获取与精准测量是土地管理、土地规划编制及土地整治的重要前提。针对传统土地调查技术需要大量外业操作费时费力的问题,本文致力于研究一种基于无序图像的三维重建技术。主要研究内容如下:(1)提出了一种基于自适应邻域测试的图像误匹配点剔除算法。针对以往特征点匹配比率测试算法获得的匹配点不能兼顾匹配正确率与匹配数量的问题,设计迭代高阈值比率测试方法初步过滤匹配点,使过滤后的匹配点正确率达到70%以上;提出了一种匹配点自适应邻域测试算法,建立了匹配点实际位置分布关系约束条件,在初步过滤基础上实现了误匹配点的精确检测与剔除。与比率测试算法相比,本算法在保证匹配正确率不降低的前提下,最终获取的匹配点数量提高了30%以上。(2)提出了两种无序图像的重叠度快速检测算法。针对无序图像因缺乏先验空间分布信息,导致大量无用匹配计算严重降低算法效率的问题,对小数据量图像集,提出了一种基于颜色直方图的无重叠图像判别算法,实现了无重叠图像对的快速判别,将无序图像匹配效率较以往提升1倍;对大数据量图像集,提出了区域自适应SURF算法,建立了基于均匀强特征点匹配数的相似性判断准则,实现了无序图像集快速有序化处理,将匹配效率较以往提升1倍以上,且随着数据量增大,提升效果更显著。(3)研究了无序图像增量式三维重建算法。基于上述两种算法实现无序图像集快速匹配,采用运动恢复结构(SFM)重建出初始点云模型,利用光束法平差(BA)对重建结果进行精度优化,结合已有点云模型通过直接线性变换法,增量式迭代重建其余图像,最终实现整个无序图像集的三维点云重建。