随着多媒体通信、机器视觉和虚拟现实等技术的不断发展,利用相机获取不同视角下的多张图像来恢复物体的结构已成为基于图像三维重建的一个重要课题,可广泛应用于自动机器人、文物保护、医学医疗、增强现实和航天航海等领域。而传统的三维结构恢复方法过于依赖几何计算,在低纹理、结构单调等情况下效果不好。本文进行了基于多视觉的运动恢复结构方法以及基于相机和惯性传感器多参数融合方法等相关研究之后,针对目前利用单目相机进行物体结构恢复方法存在的重建精度低、缺少尺度因子的缺点,提出并设计了基于视觉和惯性传感器的运动恢复结构方法,本文的主要工作和成果如下:(1)针对单目相机在三维重建过程中缺少尺度信息,在基于视觉的三维重建方法中引入了IMU的观测数据,在时域和频域上对相机位姿进行协调,在频域中获取单目相机的尺度信息,能够解决三维重建中单目相机缺少尺度的问题。(2)针对传统的三维结构恢复方法过于依赖几何计算,在低纹理、结构单一等情况下效果不好等问题,本文将单幅图像深度估计的卷积神经网络应用到运动恢复结构中,通过卷积-反卷积的对称型网络预测单幅图像的深度图,解决了卷积神经网络输出图像分辨率低,缺失重要特征信息的问题,实验中深度图的绝对值误差达到了0.192,准确率为95.9%,提高了单幅图像深度估计的精度;(3)本文在所提方法的基础上,搭建了基于视觉-IMU的真实尺度运动恢复结构方法实验平台,最后使用体素融合算法实现了对校园一角的雕塑的结构恢复,最终重建的三维模型与真实大小仅有0.2m左右的误差,提升重建模型的真实性;验证了前面方法的有效性。