无人机(Unmanned Aerial Vehicle,UAV)技术的快速发展和应用领域的不断扩展,使其成为一种广泛使用的新型遥感数据获取平台。同时,倾斜摄影测量可以同时获取目标的顶面和立面信息,成为连接传统航空摄影和地面近景摄影的桥梁。因此,无人机倾斜摄影系统可以有效地发挥两者的优势。在计算机视觉领域,运动恢复结构(Structure from Motion,SfM)具有同时恢复影像的姿态信息和创建场景的结构信息的能力,可以用于无人机倾斜影像的稀疏重建。然而,原始的SfM技术一般用于计算机视觉领域的小规模场景,或者小尺寸相机获取的低分辨率影像重建。因此,针对影像匹配对组合复杂、倾斜影像特征提取和匹配难度大,以及初始匹配外点率高等问题,本文设计了基于拓扑连接分析的影像匹配图提取算法、引入分块策略的特征提取和匹配方案,以及分层运动一致性约束的高效几何验证算法。最后,本文建立了适用于无人机倾斜影像稀疏重建的技术方案和处理流程。论文的主要研究内容包括以下几个方面:首先,提出了空间关系约束的初始影像匹配对选择算法SRC-InterTest。影像匹配对选择的目的是搜索具有重叠区域的影像对,降低影像组合的复杂性。本研究提出了空间关系约束的初始影像匹配对选择算法。该算法充分挖掘了两个空间关系约束。第一,空间距离约束(Spatial Distance Constraint,SDC),用于实现不依赖固定半径搜索,并避免穷举相交测试的匹配对选择问题。第二,空间覆盖约束(Spatial Overlap Constraint,SOC),用于过滤掉重叠面积很小或者很狭窄的影像对,尽可能早地简化后续影像拓扑连接图的结构。其次,提出了基于拓扑连接分析的影像匹配图提取算法MST-Expansion。仅仅采用直接邻近准则进行匹配对选择将会保留大量冗余和不必要的匹配对。因此,本研究设计了拓扑连接分析的匹配图提取算法:首先利用无向加权图构建初始影像匹配对的拓扑连接图;然后采用两步法简化影像拓扑连接图:第一步,获取最简化形式的影像连接图;第二步,基于局部稳定性分析,对最简化连接图进行连接边增强,构建稳定的影像连接图。最终,提取的影像拓扑连接图可以引导特征匹配,减少特征匹配的时间消耗。然后,分析了 POS数据辅助的倾斜影像特征提取和匹配策略。考虑到无人机倾斜影像的特点,几何纠正和分块策略用于影像特征匹配的适用性有待验证。因此,本研究首先详细分析了 POS数据辅助下的几何纠正和分块策略对无人机倾斜影像特征提取和匹配的作用;然后,基于几何纠正和分块策略,设计了不同组合方案;最后,通过详细的特征提取和匹配实验,选择适用于无人机倾斜影像特征提取和匹配的最佳方案。接着,提出了高错误匹配率下的高效几何验证算法HMCC-RANSAC。高错误率导致RANSAC算法的几何验证效率低或者结果不可靠。因此,本研究结合霍夫投票和RANSAC算法,建立了一种更加稳健、高效的几何验证策略。首先将初始匹配点投影到物方平面,将同名点在像方的复杂变换模型简化为物方的二维平移变换;然后根据同名点简化模型的方向和长度一致性约束,利用霍夫投票策略实现了粗差预处理算法HMCC,提高初始匹配点的内点率;最后基于RANSAC算法的严格几何约束,优化最终的匹配结果。最后,基于上述提出的用于影像匹配对选择、倾斜影像特征提取和匹配,以及高错误匹配率下的高效几何验证算法和策略,本文设计了适用于无人机倾斜影像高效稀疏重建的总体流程。利用四组无人机倾斜影像进行对比实验(开源软件MicMac和商业软件Agisoft PhotoScan),结果表明本文的方案能够在保证重建精度和完整性的前提下,实现高效的稀疏重建。