随着影视动画、虚拟现实,文物遗产保护等领域日益上升的三维模型的需求,从多幅图像中进行三维模型恢复的技术得到越来越多的关注。相比于传统激光扫描三维建模技术,采用多视图的三维重建方法具有降低设备要求、控制成本等特点。但在多视图的三维重建中,图像二维数据与三维模型空间坐标的映射以及数据图像数据遭受噪声和外点的干扰等特性,使得重建过程中面临诸多挑战。针对多角度视图特征,提出了基于噪声估计的多视图三维模型重建方案,可划分为四个部分:图像特征点提取,特征点匹配,稀疏重建,稠密重建。具体地,首先对输入的多幅图像利用Surf算法进行特征点的提取,进一步对生成的特征点采用KD树存储;接着使用最小生成树的特征点匹配方法生成特征点轨迹,由于得到的特征点轨迹中可能包含错误的匹配,采用残差一致性噪声估计的方法精确的剔除特征轨迹中错误匹配点,并对特征轨迹中正确的匹配点进行三角化和集束调整求解出相机参数及稀疏的三维点云;最后以重建出的稀疏三维点为种子节点,采用片扩展方法进行稠密重建得到完整的三维模型。与传统的多视图特征点匹配及稀疏三维重建算法进行对比,对改进的算法进行验证。采用最小生成树多视图特征匹配算法和传统的匹配算法进行四个指标实验对比,四个试验指标为需图像对数量、成功匹配图像对占的总比值、成功提取特征轨迹数量、多视图匹配所需要时间。实验结果显示改进算法的时间效率是传统算法的1/5。采用改进的残差一致噪声估计方法对生成特征轨迹中外点进行剔除,并采用集束调整方法进行稀疏重建。实验结果显示采用外点提出的方法比没剔除外点重建稀疏模型的精确度有一定的提升。