从二维图像获取三维世界信息一直是计算机视觉的主要研究目标。作为计算机视觉的一个重要分支，三维重建主要实现从二维图像计算出三维世界的模型。传统的三维重建是以摄像机标定为前提的，虽然可以获得较高的精度，但其应用范围受限。而基于未标定图像序列的三维重建，已引起越来越多的研究人员的关注，并提出多种重建方法。论文采用分层重建的思想，在完成射影重建的基础上，通过自标定获得摄像机内参提升模型到度量空间，得到了重建结果，涉及的关键技术有特征点检测与跟踪、基础矩阵的估计、三角化原理、集束调整、自标定和度量重建等。　　 首先，采用SIFT算子进行特征点的检测与跟踪，形成特征列表。相对于传统的SUSAN，Harris等算子，SIFT具有旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。　　 其次，进行基于图像序列的射影重建。论文采用了RANSAC方法估计基础矩阵，关联图像序列，在此基础上，构建了射影投影矩阵。为准确求解空间点位置，提出了二阶迭代三角化方法，此方法具有适用于射影重建，计算误差小，重建的空间点精度高的优点。　　 对于重建中误差的控制，采用集束调整，以获得更高精度的重建模型。射影重建时，局部集束调整与全局集束调整相结合。　　 最后，采用基于绝对二次曲线的分层自标定方法，获得了摄像机的内参，将重建模型从射影结构提升为度量结构，后集束调整，得到度量空间下的点云结构模型。　　 论文对真实图像序列进行了重建，验证了算法的可行性，且重建精度高，可满足影视、娱乐等一般化建模的需求。