在计算机视觉领域,从二维图像通过计算获得场景的三维信息,进而进行三维建模,这种技术被称为三维重建技术。目前可以通过三种方式进行三维重建:几何构造三维建模,三维扫描仪三维建模,以及基于图像的三维重建。其中,基于图像的场景三维重建具有速度快、便捷和低成本的优势。本文主要研究内容正是从计算机视觉三维重建的两个方面展开:一是基于双目摄像机的场景三维重建;二是基于序列图像的场景三维重建。基于双目立体视觉的场景三维重建技术主要由离线摄像机标定、图像对特征提取、立体匹配、以及三维重建几个重要部分组成,主要步骤分为:(1)采用张正友棋盘标定法完成了两台CCD摄像机的标定,获取摄像机的内外参数;(2)根据标定结果求解重投影矩阵;(3)提取图像的SIFT特征;(4)采用极线约束和KNN进行立体匹配;(5)利用匹配关系求取视差;(6)利用视差、匹配点坐标和重投影矩阵获取目标或场景的三维点云。在SfM (Structure from Motion) 3D重建技术的基础了提出了一种基于图像序列的场景三维重建算法,主要由以下步骤组成:(1)在特征选择方面,采用SURF特征而非传统的SIFT特征进行多张图片的特征提取和匹配,加快特征间的匹配速度。采用二进掩模机制对场景中的非目标区域进行屏蔽,消除噪声特征点和特征的误匹配;(2)利用两个相机匹配的多个点对关系求取反映相机间关系的本质矩阵,对本质矩阵分解得到两相机之间的相对变换R和t,设第一个摄像机的坐标系作为世界坐标系;(3)利用两个相机之间的变换矩阵和每一对匹配点的坐标,采用三角化法求出目标或场景点的空间坐标,得到初始点云;(4)在初始点云得到后使用增量方式重建剩余图像,把新得到的空间点和之前的初始三维点云进行融合得到目标的在多视拍摄下的点云。但是随着图像的不断增加,误差会不断累积,对增量式三维重建方法存在误差累积现象。本文以摄像机拓扑结构中的中间摄像机为世界坐标系,以消除误差过大造成的重建目标偏离问题。实验结果表明,基于双目立体视觉的场景三维重建,重建出来的三维坐标,其计算值和实际测量值在精度上平均误差不超过1.72%。基于序列图像的三维重建,采用SURF特征提取和匹配,速度得到了提高。采用掩模处理提取特征,降低了匹配过程中的误匹配现象。根据摄像机拓扑结构进行世界坐标系的设置,实现三维重建,实验效果更直观、更逼真。序列图像通过算法重建出来的三维坐标,其计算值和实际测量值在精度上平均误差不超过0.93%。