基于图像的三维重建技术是计算机视觉领域的重要研究方向之一，对于有序大量图像的重建由于图像噪点多，计算复杂以及消耗时间长等原因，致使重建模型精度差，效率低，可视化效果差。本文致力于改善上述问题，使其在尽可能短的时间内重建出精确且具有真实感三维模型。本文具体研究两方面的内容：基于双目立体视觉基本原理完成运动结构恢复，基于图像纹理信息场景模型外观恢复，主要以下四个部分进行了探讨与研究。摄像机标定及特征匹配方面：在运动结构恢复过程中需要图像的初始焦距，畸变系数。本文通过研究摄像机标定的基本原理，基于OpenCV视觉库的相机自标定方法完成摄像机内部参数标定实验；通过分析SIFT与SURF两种特征点检测器的性能，通过实验选择鲁棒性好效率高的SURF检测器。在匹配剔除过程中提出一种改进的归一化加权八点算法计算基本矩阵，通过实验验证算法的有效性。运动结构恢复方面：基于三角测量方法，使用变量式图像添加法恢复场景深度信息。通过选择符合条件的初始对图像计算场景深度，之后使用五点算法计算本质矩阵并选择误解剔除方法；在添加图像计算过程中，使用直接线性转换（DLT）技术估计相机外部参数；接着结合运动恢复过程，提出一种改良的特征匹配策略，并通过实验验证该策略使在重建过程中有更高的效率。模型可视化方面：基于图像纹理像素完成从2D到3D的纹理映射，恢复模型外观。使用Delaunay三角化方法对图像特征点进行网格划分，通过区域化网格纹理划分方法将图像纹理投影到三维模型，按照场景深度信息选取场景，依据景物点与相机的连线同景物法线夹角最小原则选择最佳纹理图像，并存储对应场景区域的图像纹理，最后基于OpenGL显示模型完成可视化。