基于序列图像的三维重建通过选取合适的特征检测和匹配方法,利用计算机自动计算并构建三维几何场景,力求从二维图像信息中恢复目标的三维空间位置。近年来,对于三维重建的研究如火如荼,尤其是无人机新型化测绘装备的出现加速了三维重建技术的研究进程。三维重建在智慧城市、智能测图、应急救灾、电力线巡检、数字孪生、智能驾驶以及文物保护等领域都有广泛的应用,因此针对三维重建过程中的关键技术和难点的研究具有重要的现实意义。三维重建的过程十分复杂,重建精度受到诸多因素的影响。其中特征提取、匹配和稀疏重建是三维重建的基础,也是最关键的环节。一方面,图像特征提取的数量、速度和匹配精确性会直接地影响三维重建结果的准确性;另一方面,通过运动恢复结构算法得到的稀疏三维点云质量也在极大程度上决定了后续重建的效果。目前关于此类研究的算法有很多种,每种算法都有其各自的优点和局限性,如何找到一种优秀的方法来处理图像是三维重建的迫切需要。本文从论文选题的背景及项目的需求着手,查阅了多种算法书籍和国内外相关文献等资料,对二维序列图像特征提取、匹配和运动恢复结构等相关算法进行了深入的研究,本研究具体所做工作如下:（1）深入剖析了基于二维序列图像进行三维重建过程中图像关键特征提取与匹配以及对匹配特征进行筛选的相关算法。针对尺度不变的特征变换算法,基于线性空间对整个图像进行特征点的检测,通过整体尺度平滑得到相同程度的细节与噪声,不能有效保留边缘信息从而导致重建结果不佳,且算法的时间和空间复杂度高等缺陷。本文设计了一种AKAZE-BRISK算法,该方法通过构造非线性尺度空间,将整体尺度进行划分,通过局部自适应分级获得细节和噪声;然后,利用汉明距离作为相似性度量,并结合二进制串描述符对所有特征进行匹配,有效地克服了传统方法的不足。试验表明,本文设计的AKAZE-BRISK算法,在图像旋转变换、尺度缩放、模糊变化、光照变化及视角变化等方面对图像特征检测能力强且稳定、提取速度快,具有良好的鲁棒性。（2）研究了运动恢复结构算法的基本原理。针对增量式SFM算法累积误差大、计算效率低、存在整体均值漂移等问题,本文提出了一种基于AKAZE-BRISK特征提取与匹配的非增量式SFM三维重建算法。该算法根据本文研究设计的AKAZE-BRISK算法对图像进行了特征提取和匹配,并在这一基础上采取随机抽样一致算法对匹配的结果进行了优化;然后,使用非增量式SFM算法估计整个场景中所有相机的位置和姿态,得到由稳健特征构成的稀点云;最后,利用基于面片的多视图立体视觉算法来构建目标对象的稠密三维点云,完成其重建工作。结果表明利用本文方法对目标进行三维重建,其重建结果精度高、效率高、信息丰富、纹理清晰,是一种有效的三维重建方法。（3）为验证本文所提的图像特征提取、匹配方法以及非增量式SFM算法在三维重建中的鲁棒性。文中进行了基于AKAZE-BRISK算法的初始匹配、RANSAC去除误匹配点对、非增量式SFM稀疏三维重建和PMVS稠密三维重建等试验,试验结果表明本文给出的解决方案能够有效地提升三维重建的效率和质量,具备一定的可靠性。