建筑物三维重建在导航漫游、虚拟增强现实、智慧城市应用系统等场景有着广泛的应用。针对建筑物三维重建,基于多视图三维重建技术具有成本低、效率高、且适用于大场景等特性,因此,利用多视图的重建方式获取建筑物三维模型是当前的一个研究趋势。本文通过无人机航拍建筑获取图像,采用运动恢复结构和多视图立体重建技术生成场景的稠密点云,并对稠密重建中的过程展开了研究,主要研究内容如下:(1)基于序列图具有相邻图像重叠的特性,研究改进了一种适用于序列图像的基础矩阵估计算法,联合三张图像估计基础矩阵。提出新的预检验方法,能够有效的减少随机采样一致性的迭代次数。引入匹配点的分数和内点率加权估算出基础矩阵。再对两个基础矩阵构建残差模型,进行联合优化。通过实验证明,该算法能够准确的估计序列图像的基础矩阵和有效的剔除误匹配特征点,并为后续点云的生成提供了条件。(2)由于相机收集图像数据时,会将远方的非目标场景包含其中,从而增加深度图计算的时间,并且形成杂乱的点云。为解决这个问题,采用德劳内三角剖分算法预估像素的深度值,在计算深度图之前筛除非重建的像素,进而可以提高深度图计算效率以及保留目标建筑物场景的点云。(3)稠密重建产生的建筑物点云具有众多平面信息,对建筑物点云进行平面检测。首先基于分治思想对点云进行分块,其次对块点云进行栅格细分,结合特征值法与随机采样一致性算法估计法向量,并基于颜色相似性对邻域栅格进行法向量传播。然后使用栅格代替点进行区域增长。最后对各点云块进行平面合并,完成所有平面的提取。通过实验的对比,验证了改进算法相对于PCL算法在精度和时间上有明显的提升。