随着现代信息技术的不断发展,人们对于物理世界信息表示的清晰度要求越来越高,而三维模型能够描绘物体诸多的直观信息,被广泛应用于场景构建中。室外大场景的三维重建,尤其是高效、鲁棒的三维重建,在民用和军事领域都引起了越来越多的关注。对于野外大场景的三维重建,传统方法主要包含人工测量、卫星遥感测绘以及激光雷达扫描重建,但是这些传统的重建方法存在成本昂贵、消耗时间长、要求苛刻等缺点。近年来,消费级无人机发展火热,因其携带便捷、部署灵活、覆盖区域广阔等特点,被广泛应用于野外航拍场景中。基于无人机影像序列对野外大场景进行快速三维重建具有广阔应用前景,但目前仍存在算法复杂度高、时效性差等问题,难以满足行业应用需求。针对这些问题,本文主要研究一种基于无人机影像的野外场景快速三维重建方法。通过研究计算机视觉、运动恢复结构以及多视图重建,结合野外机动应用背景,以提升重建速度为主,并将精度控制在一定范围内,实现一套完整的针对野外大场景的快速三维重建流程,结合项目进行落地。本文完成的主要工作及成果如下:（1）提出了一种针对无人机影像的并行处理算法。基于CPU与GPU两种计算架构在三维重建的两个阶段并行加速处理,以提升三维重建任务的执行速度。一是基于CPU的并行处理策略,针对多核处理器采用Open MP多线程机制,对无人机影像进行并行加载,为后续处理提供高效数据源;二是基于GPU的并行处理策略,通过改进SIFTGPU算法在GPU上以并行方式对图像进行特征提取,为快速重建提供特征输入。本文所提出的算法,在图像处理阶段,能够实现无人机影像的自动尺度优化,并即时提取GPS信息,获取无人机影像之间的邻接关系;在特征提取阶段,在能够确保质量前提下大幅增加特征点数量。（2）提出了一种基于无人机影像的分段式运动恢复结构算法。根据无人机影像中的GPS信息,按照经纬度大小对其进行空间位置的排序,并将无人机影像分成多个图像组,相邻图像组之间存在相同的无人机影像;通过SIFTGPU算法提取特征,并对各个分组采用全局SFM方法,以并行的方式重建出场景的稀疏点云;最后,按照无人机影像的分组顺序,对各个分组的重建结果进行拼接合并,并对所有的三维空间点和相机位姿进行优化,进而构建出更为精准的场景点云。通过对无人机影像的分组,可以减少误差的累积,消除飘移,在保证三维重建精度的前提下,提高了三维重建的执行速度。（3）提出了一种基于网格分块的纹理贴图算法。设计网格分块算法,将一整块大的网格数据切割成诸多小块。根据计算单元的内存使用率,确定可用内存的大小,建立内存大小与图像块尺寸之间的映射关系。根据图像块的尺寸,计算出其对应的网格块在网格局部坐标系下的尺寸,进而确定网格分块的大小。根据计算处理单元的性能,自适应地确定网格分块大小,通过分块降低内存压力,减少对计算资源的要求,从而提高三维重建的速度。（4）搭建了一套基于野外真实场景的快速三维重建原型系统。以模块化开发的方式,搭建基于野外真实场景的快速三维重建原型系统,主要包括:无人机航拍模块、稀疏点云构建模块以及三维场景生成模块。通过模块化处理对系统进行解耦合,在计算过程中,各个模块互不影响,进而解决原型系统中计算复杂的问题。在野外真实场景中划分航拍区域,通过四旋翼无人机按照设定的飞行路径在这一区域的上空进行拍摄。根据无人机影像,对野外真实场景进行三维重建,进而验证原型系统的功能与性能。综上所述,本文研究一种基于无人机影像的野外场景快速三维重建方法,主要面向野外大场景的三维重建,对重建的关键环节设计轻量化算法,减少计算资源的消耗,解决针对野外大场景的三维重建速度慢、时效性差、鲁棒性差的问题,设计并搭建原型系统,将本文方法串联在原型系统中,利用无人机影像对野外场景进行三维重建,进而验证本文方法的高效性。