无人机低空摄影测量系统作为一种方便快捷、费用低廉的数据获取方式，在实时响应和三维重建中表现出独特的优势，并得到广泛应用。采用无人机影像恢复被摄物体三维信息，具有自动化程度高、成本低廉的特点。密集匹配技术是基于二维影像恢复三维信息的关键技术之一，同时也是摄影测量和计算机视觉领域的热点和难点问题。无人机影像相对于传统航摄影像，具有影像分辨率高、重叠度大的优势，同时也存在基高比小、影像姿态不稳定等问题。无人机影像的这些特点给无人机影像的密集匹配带来了困难。本文主要研究无人机影像密集匹配算法。通过学习国内外经典的密集匹配算法，分析和比较常用算法的优缺点及适用范围。针对无人机影像的特点，设计一种基于影像分割的密集匹配算法。算法的主要过程为：首先，采用mean shift方法对核线影像进行彩色分割，然后采用半全局匹配方法生成初始视差图，在此基础上，以影像分割的块作为最小单位用Ransac方法拟合视差平面并精化，再采用置信度传播方法进行视差平面分配，由此得到视差图，最后进行视差精化。考虑到算法的效率和适应性等问题，本文的密集匹配采用影像分块的策略。为了更好地评价算法的精度，本文除了利用视差图进行评价以外，还生成密集的三维彩色点云，利用点云效果评价本文算法的精度。通过多组数据实验证明，本文算法针对无人机影像有较好的效果，与SGM方法相比有所改进。本文主要研究内容和创新点如下：1）深入研究国内外经典的密集匹配算法，分析和比较常用算法的优缺点和适用范围，结合无人机影像的特点，总结无人机影像密集匹配存在的问题。2）设计并实现了一种基于影像分割的无人机影像密集匹配算法，采用SGM方法代替局部算法计算初始视差图，提高初始视差的准确度。另外，本文算法在视差平面分配过程结束之后进行视差精化，改善结果视差图的效果，尤其是由于影像分割造成的物体边界视差不准确的情况。3）本文匹配过程中采用影像分块的策略，解决了由于视差范围过大而导致的内存不足的问题，提高算法的适用性。