三维重建是根据摄像机获取的图像信息计算三维空间中的物体几何信息,由此识别和重建物体的过程。它是摄像过程的逆问题,其输入的二维图像是三维物体几何特征、光照、物体表面材料性质、物体颜色、摄像机参数等因素的非线性函数,求解的是物体的三维结构模型。该问题的解不具有唯一性,而且对噪声以及离散化引起的误差比较敏感,因此求解难度相当大。三维重建包括特征点提取、射影重建和尺度重建三个部分的研究。首先,本论文研究图像序列三维重建中的射影重建算法,实现了迭代因子分解法和Bundle Adjustment算法(光束平差法),通过大量实验发现射影重建算法使用5次迭代因子分解法和10次Bundle Adjustment即可达到重建要求。然后,本论文研究了尺度重建算法算法,实现了基于绝对二次曲线对偶的尺度重建算法,提出一种基于平均距离比的尺度重建的评估方法,通过大量实验发现基于绝对二次曲线对偶的鲁棒性较好。由于摄像机标定为尺度重建提供绝对二次曲线对偶的约束条件,本课题还研究摄像机标定算法,提出一种新的基于图像序列的圆球摄像机标定方法。该标定方法相对传统圆球标定算法有非常突出的优势。在标定结果上,传统圆球标定算法求解出3个放缩因子,n幅图像的标定产生3n-1个标定歧义,需要人工筛选出标定结果；而新标定方法利用图像序列的连续特性消除了放缩因子的多解,求解出唯一标定结果,无需人工干预。在运算次数上,由于放缩因子的歧义,传统圆球标定算法对放缩因子的所有可能组合进行标定尝试,n幅图像的标定需要3n-1次尝试,实用性差；而新标定方法成功消除放缩因子歧义,一次性得到标定结果,极大地改善了圆球标定算法性能。