数字表面模型（Digital Surface Model，DSM）是航空摄影测量重要的数字产品之一。无人机低空摄影测量作为航天遥感和有人机航空摄影测量的补充，并以其机动、灵活、高效等优势迅速在应急服务等领域广泛应用。然而关于无人机航测图像的数据深加工还处于研究探索阶段，特别是仅搭载简易数码相机不搭载简易定位定向系统（Position and Orientation System，POS）的无人机长序列图像。通常使用图像构建模型需要得到较高精度的POS数据支持，但是由于条件的限制往往不能得到所需，对此本文从计算机视觉角度尝试一种不依赖于POS数据的数字表面模型构建方法。　　本文对无人机序列图像进行数字表面模型构建从计算机视觉角度进行探索研究并获得了初步行成果，主要内容分为以下几个部分。　　1、结合无人机长序列图像的特点，对图像特征提取算子进行总结，提出使用联合FAST算子、SIFT算子进行无人机长序列图像特征提取，并对图像特征的匹配框架进行设计，缩小图像特征匹配的搜索范围。　　2、详细阐述了图像摄影姿态及稀疏三维结构恢复的基本原理，对于基于运动结构恢复过程中耗时的捆绑调整算法进行了剖析，并实现了将该算法在图形处理器（Graphic Processing Unit，GPU）上并行加速。　　3、根据恢复的相机姿态参数结合无人机长序列图像进行三维面片点云的密集构建，通过稀疏面片拓展得到覆盖全局范围的密集面片。针对面片构建过程中时间复杂度和面片非均匀的情况，设计出在不同区域执行不同尺度重建面片的策略，提高了重建的质量。