随着计算机视觉的发展和计算能力的提升,基于多视角图片的三维重建技术得到了快速发展,该技术成本低廉,容易获得场景的纹理信息,适用于大规模场景,三维重建在无人驾驶、古建筑数字化、数字城市、游戏与电影等行业都有着广泛的应用。从多视角图片重建场景的三维模型包括图像特征提取与匹配、稀疏重建和稠密重建三个阶段。大场景下,图像特征提取与匹配耗时较多,在后续稀疏重建阶段,传统的增量式从运动恢复结构(Structure from Motion,SfM)算法依次计算图片的相机参数和场景结构,精度高,但计算耗时长;传统的全局式SfM算法根据所有相机的约束关系,计算所有的相机参数和场景结构,计算速度快,但鲁棒性较差、精度较低。本文针对传统的SfM存在的问题,设计了混合式SfM算法。主要工作包括:1、针对上述问题,在特征提取阶段,研究了SIFT(Scale-invariant feature transform)特征的CUDA(Compute Unified Device Architecture)实现,加快特征提取速度,在匹配阶段,研究了词汇树的数据结构,加快特征匹配速度。2、在稀疏重建阶段,设计了混合式SfM,将大规模图像集合分割成小的子集,先通过增量式SfM计算每个子集的相机参数,再通过全局式SfM计算所有的相机参数,最后计算场景的稀疏模型,该算法避免了增量式SfM耗时长和误差累积的问题,也避免了全局式SfM精度较低和鲁棒性较差的问题,兼顾了重建的精度和效率。3、在稠密重建阶段,利用深度图融合的多视图立体视觉(Multi-View Stereo,MVS)算法将稀疏模型稠密化,得到场景的稠密模型,使得三维模型的效果更加真实。在Tanks and Temple基准数据集上进行测试,结果表明SIFT的CUDA实现相对于CPU(Central Processing Unit)节约了70%以上的时间,词汇树的匹配策略相对于穷尽式节约了50%以上的时间,而且匹配结果与穷尽式几乎相同。混合式SfM相对于增量式SfM在点云数量相当的情况下,节约了40%以上的时间。混合式SfM相对于全局式SfM在点云数量约为其2倍的情况下,误差降低了2%左右。最后,通过深度图融合的MVS算法得到场景的稠密模型,更加准确地还原真实场景。通过采集实际场景进行测试,结果表明重建模型的轮廓清晰,符合研究工作要求。