高精度三维城市模型是智慧城市的基础数据,是各种城市应用所需要的基础信息的载体。近年来,随着摄影测量粤计算机视觉技术的突破,利用倾斜摄影采集的多角度图像进行城市三维模型重建已经日益被广泛应用。在三维自动建模过程中,模型质量除了会受到分辨率、重叠图等各种因素影响之外,道路上的移动对象对三维模型质量的影响也非常大,常常造成道路模型的严重扭曲以及纹理的错位,其中,道路上的移动的车辆造成的模型变形尤其严重。如何自动的消除移动测量对建模质量的影响是一个非常重要而且具有实际价值的问题。本文针对此问题提出一种图像预处理方法,采用深度学习技术,从实景图像中识别运动状态的汽车,在图像中擦除检测到的移动车辆,并用周围的道路图像填补车辆擦除形成的空洞。此方法为空中三角测量及三维建模前的图像分离处理,旨在消除图像中由运动物体带来的延迟效果,并最大限度的保持其表达真实性和准确性。本研究从计算机视觉和图像理解的角度出发,解决两个问题:目标探测和目标移除。首先,设计和应用基于深度学习的目标分类方法检测出倾斜影像中移动状态的汽车,然后使用纹理合成及图像修复技术将其移除,最终将结果图像用于城市三维模型的构建。实验表明,本文所提出的方法能够有效提升由车辆移动而造成的路面模型扭曲以及纹理错位。