当前,虚拟现实(VR)、增强现实(AR)的产品不断出现,给人们带来了良好的体验和娱乐功能,各大电子厂商也都宣布了进军该领域的计划。而虚拟现实、增强现实的实现离不开三维模型重建的基础工作,因此也刺激了当前社会对三维模型重建的研究热情。由于三维重建是一个交叉领域的学科,对三维重建工作的不断研究,也会促进相关学科,如计算机立体视觉、计算机图形学的不断前进。基于视频序列的三维重建工作,本质上仍然是基于图像的三维模型重建工作,其核心问题是对由视频得到的图像序列进行特征点提取、匹配以及摄像机标定。不同的特征描述子,其描述能力不同,实现特征匹配的方法也不尽相同。并且我们知道,摄像机拍摄视频时,需要从不同的角度,不断地移动摄像头以完成对物体全方位的拍摄,由于运动参数的变化,以及拍摄距离的远近可能会导致摄像机焦距发生不同的变化,这给摄像机的标定工作带来了挑战。本文通过对当前三维重建方法的调研分析,给出了一套用于三维模型重建的可行方案。本文研究分析了当前常用的几种特征描述子及不同的特征匹配方法,针对SIFT特征点存在的问题,提出了一种改进的特征点提取算法,实验证明该算法能有效的降低计算时间,并且能部分去除SIFT特征点中的低质量点。然后利用改进的k-d树搜索方法进行特征匹配,再经过鲁棒性估计,去除错误匹配点对,得到了完备的匹配点对集合。利用图片自带的电子信息,估算相机内参数,然后根据双视几何的知识得到相机的运动参数,并使用非线性方法进行优化。最后利用三角定位的方法,得到空间点的三维坐标,并使用光束迭代法不断优化调整,得到稀疏的三维点云模型。在此工作的基础上,本文还研究了使用PMVS光度一致法进行稠密点云重建的工作,通过特征匹配生成种子点面片,然后进行面片扩散以及面片过滤,生成最后的稠密点云模型。本文最后给出了重建的模型效果图,重建结果也证明了本文提出的方案的可行性。