图形与图像处理的数值方法与硬件设备在过去二十年间都得到了瞩目发展,以场景模型重建作为核心任务的计算机立体视觉领域已逐渐将研究的重点从稀疏场景模型转向稠密场景模型。目前,在单目运动摄像机进行稠密场景重建的研究上,受制于当前稠密结构重建的初始条件依赖性及算法复杂度等问题,尚难以得到系统、高效且适应性强的方法。本文研究了对这一方向的部分关键问题,并根据系统方案分为三个主要阶段,分别解决了三个该阶段的主要问题:(1)针对初始观测阶段,提出了一种两层迭代估计基础矩阵的方法。这一阶段关键问题是建立的两视图间正确的几何对应性。错误的几何对应关系将引发病态的位姿估计及错误的矫正图像,导致初始稀疏重建及稠密立体匹配的错误或失败。通过设置外层向内层传递间接参数的两层迭代模型,结合了迭代线性估计与非线性的七点法,可应对场景结构的平面退化。实验证明,该估计方法性能较为稳定,且具备一定的参数适应性。(2)针对连续观测阶段,提出了一种多序列扩展式重建方法。这一阶段关键问题是克服景深歧义性导致的系统观测与重建效率下降。短基线系统的景深歧义性在单序列扩展式重建中将不可避免地持续累积,导致观测与重建效率的持续下降直至系统终止。通过建立测度配准模型,采用序列式扩展作为子系统,可进行多路扩展观测并统一配准重建。实验证明:结合在线预处理方法,可提高稀疏扩展式场景重建的效率。(3)针对稠密重建阶段,提出了一种联合景深与运动重建的方法。这一阶关键问题是克服稠密重建对系统初始条件的依赖性。对初始条件较敏感的稠密重建方法,难以在初始景深估计较差、存在视点变化且帧率较低的单目运动摄像机观测系统下使用。通过建立统一优化场景深度与空间运动的模型,并进行色彩一致性下纹理合成误差检验,可降低重建方法的初值依赖。实验表明:该方法可在一定程度上应对初始条件较差的稠密重建问题,并扩展了运动场重建方法的应用范围。