多视图立体视觉（Multi-view Stereo,MVS）是从一组已知相机参数的图像中,以立体匹配为主要线索来恢复场景的密集三维表示,从而构建三维场景,而多视图深度估计是多视图立体视觉中的核心。MVS作为计算机视觉的基本问题已经研究了几十年,广泛应用于测绘、影视、自动驾驶等方面。近年来深度学习在多视图三维重建中取得良好效果,成为视觉三维重建领域的研究热点。基于深度学习的多视图立体视觉方法与传统方法相比取得了很大的成功,因为基于深度学习的方法能够学习利用场景全局语义信息,得到更稳健的匹配和更完整的重构。首先,本文对多视图三维重建方法的国内外研究现状进行了研究与分析,目前现有方法中多采用由粗糙到精细的网络结构,存在重复采用上采样和下采样、结构复杂度高的问题。因此本文提出了基于空洞卷积的多视图三维重建轻量化方法,利用一种新的由稀疏到稠密、由粗糙到精细的网络结构D-MVSNet,实现快速和准确的多视图深度估计,利用深度估计得到的深度图融合点云进行多视图三维重建。本文使用空洞卷积来获得具有高分辨率的感受野,利用不同空洞率的空洞卷积捕获不同感受野的特征减少了上采样和下采样的数量,同时添加了多个跳跃连接避免信息的丢失。在保持与MVSNet相近重建效果的情况下,D-MVSNet运行占用内存更低,运行时间比MVSNet快1.5倍。然后,通过对多视图三维重建深度估计方法的深度估计图进行研究,发现由于正则化过程中感受野较大,存在重建边界过平滑和弱纹理区域细节重建不完整的问题,因此本文提出基于引导式变换的深度图优化重建方法G-MVSNet,利用RGB图像引导深度图像,通过像素到像素的映射使物体轮廓重建更加完整,构建出更多弱纹理区域细节,G-MVSNet在重建完整度较MVSNet具有更高的完成度,G-MVSNet在弱纹理区域较MVSNet,具有更佳的完整性。相同条件下,实验结果表明G-MVSNet比MVSNet得到了更好的重建效果。最后,本文网络的训练集与测试集均采用DTU数据集,通过对比发现,DMVSNet在重建效率上优于现有的大部分方法,G-MVSNet在重建精度上优于现有的大部分方法,证明了本文方法的有效性。