本论文以计算机视觉及其相关理论与技术为基础,对环境中多个视角的立体模型重建技术进行研究,开发了一套基于移动机器人的三维重建模型系统。该三维重建过程以SFM为思想基础,通过对摄像机进行数学模型化,摄像机标定排除误差与畸变,通过特征点匹配寻找关键点之间的关系,运用三角测量等基础知识进行三维重建,最后将点云数据集由PCL点云库形象直观的展现出。整个重建模型中,汇编以C++为编程语言,涉及到的第三方库有OpenCV、PCL和SSBA-3.0等,用到的软件平台为Visual Studio 2010和CMake等。本文所提到的环境多视角立体重建主要包括摄像机模型与标定、SFM与三维重建,以及综合与实验三大部分。在摄像机模型与标定部分,首先引入四个常用坐标系、针孔成像模型与透镜畸变,随后在标定中引入旋转矩阵与平移向量,矩阵与向量之间转换所需的罗德里格斯变换,以及解决标定的数学知识单应性,在总结未知参数个数后,由张正友标定方法进行摄像机标定,并运用运动轨迹计算进一步获得摄像机运动的起始位置。在SFM与三维重建部分,首先引入SFM概念与其在生活环境中的应用,随后在立体成像中,提到了三角测量、対极几何以及本征矩阵和基础矩阵三个所需的基本概念。为了解决图像之间的匹配关系,其本质为了求解两大矩阵以及特征点之间的位置与方位关系,采用了较为经典的SIFT算法和加速改进后的SURF算法来进行特征点匹配,以及较为快速的光流法,随后求解矩阵F以及矩阵的SVD分解。在先前条件都获得情况下,利用基本知识,进行三维重建,和重建后的重构与优化。从视差图中获得深度信息,通过计算获得点云,并将其用PCL点云库表现成直观的三维模型。在综合与实验部分,对之前的两大部分进行总结,并设计与之相对应的实验流程,通过测试获得相关数据,并加以对比与分析,例如OpenCV与MATLAB之间的区别。在实验最后进行总结与改进的分析部分。本文的创新点在于不仅实验结果获得目标物体的多视角立体重建模型,并且对移动机器人所运动轨迹进行的跟踪与相关坐标的标记,可以从两者之间的联系与差异中分析建模时不足的条件,和即将建模过程中所需的各种必须要素。