随着数字三维建模的迫切需求,三维重建也愈显得重要。目前,三维重建是一个活跃的研究方向,该研究方向涉及到计算机图形学、计算机视觉和摄影测量与遥感等学科。由于学科的交叉,使得三维重建的研究遭遇很多困难。三维重建,从获取数据途径来说,目前主要有基于地面数据的三维重建和基于航空数据的三维重建,或者地面数据和空中数据交叉使用;从数据源来说,目前有基于图像序列的三维重建和基于激光数据的城市三维重建,或者这两种数据混合使用。本文主要着手于基于无人飞艇航拍影像序列的三维点云重建方法研究。基于低空无人飞艇影像序列的三维点云重建一般有两种方法,一种是使用摄影测量方法,一种是使用计算机视觉多视图几何的方法。由于这两种方法各有优缺点,在国内范围内使用摄影测量的方法对无人飞艇影像序列进行处理进而获取地物的三维点云研究较多,而且这种方法有一些缺陷。因此本文将使用计算机视觉多视图几何方法来处理无人飞艇航拍影像序列来获取三维点云。由于基于无人飞艇航拍影像序列的三维点云重建涉及到很多细节算法。例如,相机标定、影像搜索、影像匹配、影像位置姿态解算、光束法平差、稠密匹配等算法。本文在有限的章节范围内,主要讨论影像匹配、影像姿态恢复、稠密点云重建等算法。在此过程中,本文的创新有以下几点:第一、解决低空无人飞艇影像匹配的问题中,低空无人飞艇影像序列具有畸变大、倾角大、重叠度不均匀等特点。针对无人飞艇影像序列的特点,本文利用SURF匹配算法和错误匹配去除算法,以保障尽少的错误匹配,并进行了具体的实验。实验表明,该算法思路完全能够得到预期的效果。第二、在恢复影像的全局位置和姿态过程中,本文介绍了两种恢复影像全局位置和姿态算法。其中增量式求解方法是目前运动估计(Structure From Motion)主流算法,但是该算法有一定的缺点,本文引入了批量式求解算法,并推导了算法的公式。第三、在稠密点云生成问题上,本文介绍了增长式稠密点云生成算法,并进行相关实验,总结了该算法的优缺点。在立体稠密匹配方面,本文引进了半全局匹配算法(SGM),详细介绍了该算法。第四、本文对两种思路的重建方法进行了具体的实验,经过大量的实验得出有效的结论,分析了实验中产生的相关问题的原因。为后续的研究者提供了依据。