Structure From Motion（简称SFM）是从二维影像估计影像位姿和稀疏点云的算法。当影像规模比较大时,参数规模也比较大,而且存在很多冗余的观测值,因此SFM算法受到效率、内存、精度的约束。针对大规模影像位姿估计问题,本文研究分布式SFM方法将大规模问题分解成小规模问题;针对观测值冗余的问题,本文提出影像连接点筛选策略。分布式SFM算法首先对影像进行聚类,将影像划分到若干个子块中,分块完成之后利用增量式SFM算法对每个子块进行定向,各个子块的定向采用并行计算,最后利用子块之间公共参数的一致性约束将所有子场景合并成全局场景。光束法平差（Bundle Adjustment简称BA）是SFM算法的核心,时间复杂度高,其中冗余观测值和误差较大的参数初值加巨了算法的时间消耗。为了提高光束法平差的效率,本文提出影像连接点筛选策略,保留的连接点需要分布均匀而且精度较高从而保证影像位姿估计的精度和完整性。我们将物方点空间划分成若干三维格网,将密度较高的格网中精确度低的物方点剔除,然后判断保留的物方点是否能覆盖所有影像,如果不能,则从剔除的物方点中选择进行添加直至满足上述要求,通过影像连接点筛选的策略可以提高光束法平差的效率。最后本文介绍了并行的光束法平差模型。将初始定向后的大场景划分成若干子场景,子场景内部的参数单独进行优化,然后利用子场景之间公共点的一致性约束合并,使所有参数满足全局一致性。