随着信息技术的不断发展,在机械工程、工业设计、虚拟现实等领域对与真实场景具有高度几何一致性的三维模型的需求越来越大,传统的建模方法许多缺点,难以满足对真实场景建模的需求。基于图像的三维重建技术可以对真实场景进行建模,但现有三维重建技术越来越难以满足实际应用中的各种严苛要求。本文为了形成更具一般性的低成本三维重建解决方案,提高三维重建技术的实际应用价值,以非结构化场景的无序图像集为研究对象,针对非结构化场景三维重建过程中的关键技术展开了研究。首先,研究了基于运动恢复结构法的非结构化场景稀疏重建技术。研究并对比了多种多视图特征跟踪方法,通过算法融合与并行化改进,提出了一种基于GPU加速的高效特征跟踪方法,提高了特征跟踪的效率。针对非结构化场景中无特定人工标记的特点,根据Kruppa方程所确定的二次非线性约束,实现了相机内参自标定,解决了无序图像集中的相机内参标定问题。为了提高相机位姿估计精度,引入了带权连接图的概念,对无序图像集中的图像进行团体检测,并在团体内和团体间分别进行相对位姿估计。通过光束法平差对稀疏点云进行优化,为后续密集重建提供了基础。其次,研究了基于特征点扩散的非机构化场景密集重建技术。介绍了基于面片模型的密集重建算法中的相关技术,针对非结构化场景无序图像集稀疏重建后已经获得相机内外参矩阵等特点,提出了稀疏点云面片化算法,简化了密集重建过程。对PMVS中的面片扩展过程进行了改进,提出了基于特征点扩散的密集重建算法,生成了更为密集的点云。利用特征跟踪过程导出的可见一致性信息,对生成的密集点云进行过滤和优化,为后续表面重建提供了基础。再次,研究了基于泊松方程求解的表面重建技术。介绍了泊松表面重建算法的基本原理与实现细节。针对非结构化场景密集点云规模较大的特点,为了提高表面重建效率,将Morton码扩展到三维空间中,实现了空间八叉树生成并行化,根据点云等值面提取过程中的数据独立性,实现了等值面提取并行化。为了提高了表面重建的精度,针对非结构化场景密集点云数据分布的不均匀的特点,通过估计局部采样密度改进了向量场定义和等值面提取方程;针对非结构化场景中因遮挡导致的孔洞问题,提出了基于双三次样条插值拟合的孔洞修补方法。最后,在上述研究的基础上,设计并开发了基于无序图像集的非结构化场景三维重建关键技术验证平台。系统使用Qt进行人机交互界面设计,应用Open GL绘制重建出的非结构化场景三维模型。