本论文研究了如何由非定标图像序列恢复三维实体模型，对其中的若干关键技术进行了深入研究，特别是立体像对的稠密匹配。本文的重点是在理论和实践两方面研究了在有遮挡的情况下，如何由长图像序列进行三维欧氏重建并最终获得物体完整结构的问题。由本文所给的算法可以恢复具有很好真实感的完整三维实体模型。主要研究成果如下： 1．提出了一种新的用于种子点可靠匹配的两层算法，该算法在图像边缘提取的基础上，首先比较目标点匹配的边缘相似性，这种特征匹配具有简单可靠的优点。在此基础上，在一个相对较小的搜索范围内比较其灰度相似性，从而得到目标点的精确匹配。该算法可以有效地避免由于重复图案所引起的匹配误差。 2．提出了一种基于图像划分的传播式稠密匹配算法，该算法不仅适用于未经校正的图像对，而且适用于存在大视差的图像对，以及图像中纹理稀疏的区域。通过用种子点的Voronoi图对图像划分，并以特征跟踪的结果作为匹配传播的起点，有效地消除了匹配误差的积累。传播算法在极大提高匹配效率的同时，也增加了算法的准确性。 3．提出了一种新的三维重建算法，该算法可以恢复目标物体完整的三维结构。首先将整个图像序列划分为几个子序列，使每个子序列中的重建点均不被遮挡；然后利用迭代分解算法求出物体局部的射影重建；接着通过自定标将射影重建升级至欧氏重建。这时由每个子序列得到的不同部分的重建结果是相对于不同的坐标系而言的。我们将它们通过一组相似变换转移至同一坐标系下，就得到了物体整体的三维结构。最后通过最小化重投影误差对投影矩阵和空间点坐标进行全局优化。该重建算法的突出优点在于它可以从一个长图像序列中恢复物体的完整结构，从而克服由遮挡(occlusion)引起的数据点的丢失问题。 4．提出了一种适用于存在丢失数据(missing data)的全局优化算法。为了弥补重建算法将一个长图像序列划分为几个子序列所带来的不足，我们对结构整合后的数据进行带有加权矩阵的全局优化，最小化重投影误差以提高数据(包括投影矩阵和重建点三维坐标)的整体精度。该算法通过引入加权矩阵，将可见点和被遮挡点同等处理，提高了数据的一致性。 5．采用带边缘约束的三角剖分算法，对模拟数据和存在遮挡的真实图像序列进行三维重建，这里的长图像序列是围绕目标物体一周拍摄得到的。每一个重建点在大约连续的10幅图像中均可见，而在其余的图像中被遮挡。我们的重建算法很好地恢复出了物体完整的几何结构。最后，通过构造相应的虚拟与真实混由手提相机获得的序列图像进行二维重建 合的场景，进一步说明了该算法具有很好的准确性与实用性。这样重建出的三 维场景与纯虚拟场景相比，具有更好的真实感。 今后工作中需要进一步研究的问题有:继续研究存在遮挡问题的三维重建算法，进一步提高算法的准确性与实用性，减少其中一些需要手工干预的步骤:继续研究相机定标算法，增加外部约束条件以提高其准确性。另外，相机的内外参数会因为投影矩阵的微小差异而发生较大变化，其求解稳定性也有待于进一步研究。