三维重建技术是计算机视觉和图形学的重要研究课题,被广泛运用在虚拟现实,增强现实,非物质文化遗产保护和影视游戏等诸多领域。基于单目相机的三维重建的流程整体上可以分为两个模块:一是计算全局稳定一致的相机姿态,二是稠密恢复点云、融合全局模型。基于图像特征点法的相机姿态估计,在特征点提取模块将引入大量的计算,稠密深度图估计往往也需要付出较高的运算代价。本文将主要专注于三维重建中的上述两个模块。本文的三维重建系统中的相机姿态估计模块采用稳定鲁棒的同时定位和地图构建系统——ORB-SLAM。为了充分利用GPU资源,本文改进了 ORB-SLAM的特征点提取模块,提高了特征点检测速度,实现了一种基于GPU的ORB分块提取,且在GPU上最大化并行构建四叉树用于快速筛选图像特征点,使得特征点结果集在图像上分布更均匀。这样的特征点提取方法增强了相机姿态跟踪的鲁棒性,降低了轨迹绝对误差。该模块的挑战在于充分利用GPU资源,快速构建四叉树。传统的建树方法必须自顶向下逐层构建各个节点,我们实现了最大化并行构建二元基数树的每个节点,并能转化为四叉树、八叉树和KD树等其他树型结构。在深度估计模块,首先在ORB-SLAM关键帧缓冲池中选取合适的参考帧并结合当前关键帧进行稠密深度图恢复。我们采用基于局部的双视图深度估计方法,利用GPU快速恢复稠密深度图并恢复点云,最后根据关键帧的位姿和深度信息进行完整场景重建。我们的特征点提取方法相比于原始的ORB特征点提取方法,应用在SLAM系统中降低了姿态估计误差,提高了系统鲁棒性。与ORB-SLAM系统中的特征点提取方法相比,我们的方法在不同参数下获得了不同程度的速度提升。我们的深度估计算法可以实时恢复单目图像深度图,结合ORB-SLAM系统估计出的相机位姿和关键帧可以较好的恢复出场景的三维模型。