从连续图像序列中提取3D刚体表面特征后对刚体的运动及相对深度信息进行三维重建是计算机视觉领域中的一个研究热点。本文主要研究基于直线特征的光流场重建三维刚体运动和结构的计算理论和方法。本文首先选择了2D直线和3D直线的表示方法,将二维直线的参数对时间的导数定义为直线的光流速度,再将光流速度的导数定义为直线的光流加速度。然后推导出在透视投影模型下,3D刚体表面直线的旋转运动参数与其在投影平面上的直线光流参数之间的运动关系,即直线光流场方程组。基于这个方程组只要稳定地跟踪连续三幅图像中的两条直线光流就可以通过解线性方程组求出3D刚体的旋转角速度及加速度参数,进而求出平移运动速度,刚体相对深度信息,摄像机焦距等参数。本文提出了基于蚁群算法的直线光流重建三维刚体运动与结构的计算方法。该方法将3D刚体旋转运动参数的误差作为蚁群算法的目标函数,将3D刚体表面直线在投影平面上的直线光流参数作为蚁群算法模型的输入,刚体旋转运动的旋转角速度和角加速度作为模型的输出,通过不断调整蚁群算法模型的输入参数及蚂蚁搜索的循环次数使目标函数值最小,此时蚁群算法模型的输出值即为3D刚体旋转运动参数的最优解。进而求出刚体的平移速度参数和空间直线坐标,实现了刚体的三维重建。该方法只要能够稳定获取和跟踪两条平面直线参数即可重建刚体的旋转运动、平移运动和相对深度信息。多组实验表明该蚁群算法系统是稳定的,具有较好的鲁棒性能和计算误差。本文还对比分析了其他几种常用的优化求解方法,例如遗传算法,粒子群算法,神经网络,线性神经网络等优化算法,分别应用于本文提出的直线光流场方程组模型进行优化求解,并与蚁群算法在计算精度和计算效率等方面作详细对比分析。