实现基于城市路网内摄像头采集视频数据的三维交通实时重建,对于事故分析、车流量统计、路径导航、拥堵分析等具有重要的意义。现有三维交通重建方法本身并不处理非结构化的视频数据,而是借助已有的视频多目标跟踪方法并通过半手工方式提取视频中的车辆运动数据。路口摄像头安装位置靠近单侧道路边缘,并且高度有限,从而造成视频数据中车流遮挡严重,难以通过现有的视频多目标跟踪方法获得完整的车辆轨迹,而且跟踪方法得到的数据为二维像素坐标并且摄像头参数未知,无法直接转为三维空间数据用于三维场景重建,如何基于路口摄像头数据实现三维交通逼真重建成为具有挑战性的工作。本文提出一种数据与模型协同驱动的三维交通实时重建与优化方法,主要研究工作如下:（1）针对于从视频栅格数据中提取车辆运动轨迹坐标,提出一种交互式迭代求解的逆透视投影变换方法,具体来说,首先利用多目标跟踪技术提取视频中车辆的运动轨迹像素坐标,然后采用逆透视投影变换将像素坐标转变为世界坐标,最后根据源视频搭建三维静态场景。（2）针对于如何得到车辆完整的运动轨迹,提出一种融合车辆运动仿真的车辆运动轨迹补全方法,具体来说是构建开放环境中的基于驾驶员场景感知的车辆运动仿真,联合上述提取得到的车辆运动轨迹数据,实现对车辆运动轨迹的补全,得到车辆完整的运动轨迹坐标,通过线性回归对车辆运动方向角进行优化,实现三维交通实时重建。（3）针对于如何得到更接近于真实值的车辆运动轨迹,提出一种基于卡尔曼滤波的车辆运动轨迹优化方法,具体来说,采用智能驾驶跟车模型对车辆运动轨迹进行预测,并结合实测运动轨迹利用卡尔曼滤波进行优化,并将优化的轨迹坐标用于下一时刻跟车模型参数的优化,实现三维交通优化。实验结果表明,该方法应用在不同的真实交通场景,都可以实现可视效果优良的三维交通实时重建,可以较好处理轨迹缺失、轨迹错位等问题,重建中车辆运动平滑,不会出现突然失踪、突然出现等问题,可视效果显著优于完全基于多目标跟踪方法得到的轨迹数据。