对现实世界进行三维重建是一件很有意义的工作,也是当前研究的热点。树木作为现实世界的重要组成部分,对其进行三维重建是很重要的。三维建模的方法主要分为三类:基于几何的建模、基于测距的建模和基于图像的建模。其中,基于图像的建模方法因具有快速、便捷和低成本等优势,迅速成为三维重建的一种重要方法。由二维图像生成三维模型是基于图像重建的关键问题。同时,由图像重建出的三维点云的精度问题也有待研究。本文提出了一种基于图像的树木三维点云重建方案并对其重建结果进行评估。首先介绍了齐次坐标系、投影几何和相机成像模型,为后面的方法研究做铺垫。然后使用SIFT算子提取图像的特征点并使用最近邻方法进行匹配。匹配之后就可以利用这些点自动化标定相机并求取基础矩阵和本质矩阵,然后就可以求解出相机的投影矩阵。在这个过程中,使用RANSAC的方法增强计算的鲁棒性,使用Bundle Adjustment方法优化参数的解。在实际的重建中,稀疏点云往往不能够反映出重建对象的全貌,因此需要进行稠密重建。使用PMVS的方法对点云加密。PMVS方法的第一步是选取种子面片并且重建出种子面片的三维信息,然后,将这些种子面片扩展到其邻域单元之中,重建出邻域内的面片,直至所有图像中符合要求的面片重建完毕。最后需要使用几何一致性和光照一致性约束对重建出的不符合要求的面片进行过滤。本文通过设计三维重建系统实现了重建方法。重建完成后本文对重建结果进行了评定。使用Leica ScanStation C10激光扫描仪所获取的三种不同大小树木的三维点云作为参照对象,与基于图像重建出的点云进行对比。对比结果为:对高度最小的木芙蓉来说,其模型间的平均距离为4.2mm,标准差为10.3mm;对中等高度的紫檀树来说,平均距离为2.2mm,标准差为5.6mm;对最高的银杏树来说,平均距离为0.7mm,标准差为22.6mm。以树木胸径的5%和10%为标准过滤落在其外的点,三棵树木对应的剩余点的比例为:66.8%和87.6%;69.2%和96.2%;76.3%和94.2%。剩余点的结构比较完整,说明重建精度较好。