在小天体探测任务过程中,小天体的三维模型对探测器的着陆、导航等任务起到至关重要的作用。在探测器处于接近阶段且距离小天体几十千米时,通过窄视角相机拍摄的观测图像只包含小天体轮廓信息,无法得到小天体表面清晰的纹理细节。本文提出了一种基于轮廓的小天体三维建模方法,能够生成低分辨率的小天体三维模型,可为后续的小天体高精度建模任务和着陆导航任务提供初值。本文主要从以下两个方面进行展开研究,一是在不考虑相机外参数存在误差的理想条件下,研究轮廓法三维建模方法;二是在初始相机外参数存在误差的条件下,研究对三维模型与相机外参数的协同优化方法。1.轮廓法三维建模方法。轮廓法分为三个主要步骤,首先,对输入的小天体观测图像进行轮廓提取,可采用基于边缘检测或基于阈值的轮廓提取方法,然后,需要初始化大小合适的原始体素模型,使其能够刚好包裹住目标小天体,最后,对原始体素模型应用体素模型裁剪生成算法,去掉其中多余的体素块,使体素模型的轮廓逐渐向与目标小天体的轮廓相似的方向上进行逼近。其中,体素模型裁剪生成算法是本文的研究重点,本文创新性地提出了一种基于八叉树的裁剪生成算法,该算法通过引入八叉树的层次化结构,可以使体素块在较高层次时就停止分裂,有效地降低了运算复杂度,并在给定的最小体素块尺寸条件下,可以取得小天体体素模型的最优解。实验结果表明,在初始相机外参数准确的情况下,可利用轮廓法生成准确的小天体三维模型。2.三维模型与相机外参数的协同优化方法。协同优化方法的核心是相机外参数估计方法,本文研究了三种不同的相机外参数估计法,分别是对极几何法、Pn P法和非线性最小二乘迭代法,其中,非线性最小二乘迭代法被证明是行之有效的,该方法由二维与三维特征点匹配和建立并优化代价函数两部分组成。首先,研究了二维特征点匹配方法和二维与三维特征点匹配方法,在小天体三维模型与观测图像之间建立三维点与二维点的对应关系,然后,将三维点与二维点之间的重投影误差作为代价函数,通过LM算法对代价函数进行优化,取得相对误差更小的相机外参数。实验结果表明,在初始相机外参数存在误差的情况下,通过对三维模型与相机外参数进行协同优化的方法,可以取得相对误差更小的小天体三维模型。