三维重建是计算机视觉领域中一个非常重要的研究方向,相比二维图像信息,三维模型具有更加强烈的真实感,能够呈现出更多的信息。随着虚拟现实和增强现实技术的发展,可以预见三维数据将是未来数据呈现的主要形式。无序图像的三维重建技术所需成本较低,并且适用范围较广,其特点是只需要计算资源。但是其重建的速度较慢,因此提高算法的效率和重建结果的精度是当前研究的重点方向。目前在基于无序图像的三维重建技术研究工作中已有较为成熟的算法,但是普遍存在运行时间较长,重建精度不高等问题。本文重点研究了三维重建的相关算法,并有针对性的在可提高运行速度和模型质量上做出改进。具体的研究内容和改进方法如下:1)为了提高整个三维重建过程的稳定性,提出了一种增长特征匹配对的方法。对SIFT和SURF的匹配结果进行融合,将融合后的匹配对应用到运动恢复结构(SFM)技术中。提高了相机标定的精度,并增加了稀疏点云的点数,从而提高了三维重建结果的质量。2)针对无序图像的三维重建在SFM过程中需要对图像进行两两匹配耗时的问题,提出了一种改进的图像对匹配策略。通过哈希技术对数据集构建全局哈希特征,可有效地筛选掉无效的图像匹配对,通过降低匹配数量减少计算量,极大限度地降低了SFM技术的运行时间,提高了整个算法的运行速度。3)在稠密点云的重建过程中可能存在图像匹配信息不足和存在大量噪声的情况,导致图像的深度信息可能会存在误差,因此提出了改进的深度图融合算法。通过设置置信度的方法保留精度较高的三维点,达到删除冗余的目的,有效地提高了稠密点云的精度。本文的实验数据选取了3组公共数据集和3组自采数据集,通过实验验证了以上改进算法的有效性。