三维重构是计算机视觉领域的一个研究难点。基于结构光的三维重构技术虽然精确度高,但是设备复杂、成本较高。而基于双目立体视觉的三维重构技术虽然大大降低了设备成本的问题,但是便携性差,标定麻烦也限制了其使用的范围。移动智能终端拥有的丰富传感器以及日益增加的计算能力,使得如何运用移动智能终端实现既兼顾便携性,又考虑易用性的三维重构技术成为研究的热点。视觉三维重构中的关键技术问题之一是实现相机外参数连续而准确的计算。本文的主要工作内容是研究利用移动智能终端的惯性传感器和图像信息,得到相机的外部参数,工作内容及研究结果如下:1.提出了一个扩展卡尔曼滤波器融合图像数据以及惯性传感器数据得到相机外参标定结果,同时,在该滤波器中引入相似尺度变换因子,解决相机在环路情况下容易产生相似尺度漂移而造成的位置不精确问题。实验结果证明该滤波器得出的相机外部参数,较单独使用图像数据或惯性传感器得到的标定结果,具有更高的精确度。同时由于该滤波器利用了惯性传感器,可以得出相机运动的物理距离,从而可以算出三维重构物体的真实尺寸。这个优点是单独利用视觉图像来完成三维重构所完全不具备的。2.提出一种运用移动智能终端的惯性传感器提高相机初始化位置精度的定位算法。该算法从惯性传感器采集数据并计算得到的相机初始化位置信息,与从图像数据中得到的相机初始化位置信息做相关计算,可以更加精确的得到相机位置初始化的结果。实验结果表明,精度高于从单目相机采集到的图像序列完成相机初始化位置方法。3.针对相机快速运动而引起的视觉特征跟踪丢失,导致无法继续完成相机外部参数标定的问题,提出一种用惯性传感器实现视觉特征的快速重定位的算法。当视觉特征发生丢失时,该算法利用从惯性传感器测得的视觉特征丢失前后的位置信息,寻找特征丢失前与当前图像帧的位置信息最接近的图像进行特征匹配,用计算得到的结果协助相机继续完成视觉特征跟踪,使得系统能继续得到相机的外部参数信息。实验结果证明了该算法的有效性。4.实现了利用该相机外参标定方法的三维重构系统,并对实际的室内场景进行了实验测试,得到了重构后的结果。