利用无约束运动和未知恒定内参数的单台移动摄像机，重建场景的三维模型是计算机视觉的一个挑战问题，主要应用于自主机器人导航、目标识别、逆向工程、基于图像的建模和绘制。本文深入广泛地研究了基于同一场景多幅图像的欧氏重构方法。 多视几何研究不同图像之间的几何关系，它提供了简洁的数学描述形式，由此可导出基本统一的代数表示式。对极几何是同一场景两视图之间固有的投影几何，它独立于场景结构，只依赖摄像机的内部参数和相对位置与姿态。基本矩阵封装了整个对极几何，精确和鲁棒估计基本矩阵，在场景建模和摄像机自标定中有很多应用。三视张量在三视图之间起着与基本矩阵同样的作用，它取决于视图间的运动关系和摄像机的内部参数，可由视图投影矩阵唯一确定。 首先，本文研究了基本矩阵随机采样鲁棒估计算法，并用来解决景象匹配中的实时图与基准图在空间不对准问题，并给出三视张量的主要几何和代数属性。 摄像机自标定为从未标定图像序列中恢复三维结构提供了有力方法支持，越来越引起计算机视觉领域研究人员注意。本文研究了基于场景几何约束的单视图标定方法；发展了一种利用基本矩阵和单纯形法估计参数的自标定算法，该算法分别基于本质矩阵属性和Kruppa方程，由此对两者的约束关系转化为对摄像机内部参数约束，这样就将自标定问题变成与约束相关的代价函数最小优化问题。 然后，本文研究了未标定两视图、单视图的三维重构算法。这种方法充分利用人造结构场景中大量存在的平行性和正交性几何约束，从而对每幅视图进行标定。单视重构过程分为两部分：第一阶段，摄像机定标和计算每个平面的度量信息，即先基于三个互相正交方向的影灭点，对方形象素相机标定，再利用影灭线和圆环点像，对每个平面度量校正；第二阶段，考虑每个校正平面的尺度因子和非正交平面间的相对面向，从而将所有校正后的平面缝合起来。两视重构过程有两个步骤：先是恢复摄像机的位置和运动；后是用三角测量法，计算出点的三维坐标。 最后，本文提出了一种基于多幅未标定图像，恢复场景三维结构和摄像机内部参数的算法，先通过矩阵迭代分解算法得到射影重构，后通过估计绝对二次曲面，将射影结构升级到欧氏结构。