裸眼3D显示技术近年来发展迅速,不断给人们带来震撼的视觉冲击,也承载着人们对未来显示技术的期盼。但是由于裸眼3D显示设备的特殊性,使得其显示内容需要特别进行制作。为了能让观众在显示设备中看到物体不同角度的侧面信息,需要对物体进行高精度的建模并采集不同视点图像。通常会使用CAD、Blender和Unity等图形软件对物体进行建模渲染,但工作耗时非常长,并且难以实现高真实感场景的构建。传统基于多视图的三维重建方法可以从场景的不同视角图像中生成点云,还原场景3D结构,通过生成点云表面可以得到场景3D模型。但该方法受特征数量限制,生成点云稀少,重建后的模型细节缺失,纹理粗糙,无法应用于3D显示。本文提出并研究了基于稠密光流的高分辨率三维场景重建方法,工作主要包含两部分的内容:其一,提出了基于特征与光流匹配的全局姿态优化方法,实现了高精度、高鲁棒性的视点图像姿态标定,为高精度的稠密光流构建提供了基础;其二,提出了基于稠密光流的高分辨率三维场景构建及显示方法,将稠密光流用于匹配生成可供3D显示使用的高质量三维模型。具体研究内容如下:1、研究摄像机姿态求解,提出基于图像金字塔特征与光流的姿态优化算法,使姿态在多尺度图像结构中保持鲁棒性,并且在小位移区域上提高准确度。2、研究稠密点云重建方法,使用神经网络生成稠密光流代替传统特征匹配,充分利用所有图像中的像素,有效的扩大点云规模,为模型构建提供更多细节。3、通过研究3D模型构建,立体视觉原理,3D显示及图像编码技术,设计并实现了一套供3D显示设备使用的高分辨率3D模型的生成系统。