计算机视觉是一门综合性学科，它的研究涉及到图像处理与图像理解、模式识别、计算机图形学、信号处理、数学以及生物物理学等。计算机视觉的研究目标是使计算机具有通过二维图像(视图)认知三维环境信息的能力。由于计算机视觉的研究成果可以直接应用于机器人定位与导航、精密工业测量、物体识别、虚拟现实以及军事等众多领域，所以计算机视觉问题的研究已成为当今世界上最热门的研究课题之一。 针对目前计算机视觉研究领域中的一些热点问题，本论文进行了较为系统的研究，主要研究内容包括基于多视图的分层重构和未标定P5P问题两部分。在第一部分中，针对三幅及三幅以上的图像，主要研究：①利用矩阵奇异值分解(SVD)实现射影重构，②通过求解Kruppa方程实现摄像机自标定，③由射影重构恢复欧氏重构；针对只有两幅图像的情况，主要研究：①利用场景结构信息求解无穷远平面的单应矩阵，由射影重构恢复仿射重构，②利用场景结构信息求解绝对二次曲线的像(等价于标定摄像机)，由仿射重构恢复欧氏重构。在第二部分中，主要研究：摄像机内参数未知且在运动中可以变化的未标定P5P问题的求解。 本论文的主要研究成果如下： 1．从摄像机模型出发，详细推导了透视模型与仿射模型的关系，讨论了射影深度的性质。介绍了基于奇异值分解(SVD)的射影重构算法的一般框架，分析并实现了基于基本矩阵和极点的射影深度估计算法。以测量矩阵的秩为4作为约束，以仿射投影逼近透视投影，提出了以下迭代估计射影深度的算法：①基于共轭梯度法的射影深度估计算法，②基于遗传算法的射影深度估计算法。在获得正确的射影深度后，通过奇异值分解将测量矩阵分解为射影空间下的摄像机运动和物体三维几何形状(射影重构)。实验证明：相对于基于基本矩阵和极点方法来计算射影重构，本论文提出的算法对噪声具有更好的鲁棒性。 2．详细讨论了传统的基于Kruppa方程的摄像机自标定方法。提出一种求解安徽大学博士论文Kruppa方程的新方法一分步算法，先利用共轭梯度法估计Knjpa方程中的未知比例因子，然后利用所确定的比例因子线性地求解Knjpa方程，进而标定摄像机内参数。在摄像机内参数己知的情况下，提出一种从射影重构恢复欧氏重构的算法，先求解一个满足欧氏重构条件的非奇异矩阵，然后通过此矩阵将射影重构变换为欧氏重构。实验结果表明所提出的算法是行之有效的。 3．详细分析了仿射重构的本质，证明了可逆矩阵为无穷远平面单应矩阵的充分条件，以及从基本矩阵无法唯一确定无穷远平面单应矩阵。系统地讨论了如何利用场景中的结构信息，来唯一地确定无穷远平面的单应矩阵，进而由射影重构恢复仿射重构，以及如何通过绝对二次曲线的像求解将仿射重构变换为欧氏重构的单应矩阵。总结了三种关于绝对二次曲线的像的约束，并利用这些约束求解绝对二次曲线的像，进而实现从仿射重构恢复欧氏重构。 4．针对五参数摄像机模型，讨论了摄像机在运动（运动参数末知）过程中其内参数是未知的且可以发生变化时，如何通过5个控制点以及它们的图像点，来求解所对应的内参数、方位以及运动参数。证明了下述结论：已知5个控制点在世界坐标系中的坐标，以及它们在摄像机作一般刚体运动前、后两幅图像中的图像坐标，当5个控制点中任意4个点均不共面且摄像机运动前、后的两光心的连线不通过任一个控制点时，则可线性地确定摄像机关于世界坐标系的方位、运动前、后所对应的内参数以及运动参数。在此基础上，提出一种线性求解未标定PSP问题的新算法。