基于全局线性方法的三维点云重建是利用图像信息恢复场景结构信息的一种方法。本文的主要研究工作包含以下几点:特征提取与匹配,计算相机运动参数,三角测量和束调整。我们的贡献是将所有的相机放在统一的坐标系下考虑,通过全局运动恢复结构方法计算得到相机的运动参数,从而完成三维点云重建。本文的主要研究工作具体包括:相机三元组的重建模型:在重建模型中,本文利用三个相机点坐标和一个场景点的约束关系,计算出基线长度的比例关系。相对于传统的基于二视图的立体视觉重建,三个相机重建的优点是包含比两视图更加丰富的信息,可避免由于相机的共线运动产生的退化。同时在特征匹配阶段,本文使用特征追踪代替特征匹配,利用特征追踪的特性计算相机的位姿更加精确。异常值过滤:由于在特征匹配阶段可能存在很多的误匹配,会造成很多的异常数据。为了过滤掉这些异常值,本文设计了异常值过滤步骤,包括特征匹配过程中的约束条件来减少错误匹配,以及在相机三元组中引入循环一致性约束来减少由于重复性的场景造成的错误的对极几何关系,和在计算平移标定的过程中使用对极点转移约束来减少异常值的影响。多视图重建:针对传统的增量式重建方法由于频繁的BA导致重建场景漂移和效率低的问题,我们使用将所有的相机位姿统一求解的方法,使累积误差均匀分布,避免了场景漂移现象,而且时间效率大大提高。本文利用构建线性等式计算得到全局坐标系下的相机的方向和位置,经过三角测量恢复出场景点,完成在多视图下的重建结果。最后对重建出来的结果进行优化,得到完整、精确的三维重建结果。