农业生产实现智能化对提升农业生产效率有着非常大的促进作用。高精度的农田场景数字化地图是实现植保智能化的关键,而农田场景的三维重建技术是实现农田地图数字化的重要研究。三维重建恢复出来的三维地图可以运用于植保无人机的自主导航作业、障碍物的识别、农作物长势识别、网格表面重建等任务。本文以视觉三维重建为研究背景,对基于农业测绘无人机高空拍摄到的农田数据集的三维稠密点云重建算法展开研究。首先,采用视觉SLAM技术对图像进行位姿估计,其次是利用具有精准位姿的图像构建双目成像模型,最后基于半全局立体匹配技术估计视差图,从而实现稠密点云重建。针对基于运动恢复结构（Structure from Motion,SFM）的三维重建算法存在时间成本高的问题,本研究对提升场景三维重建效率展开研究。提出视觉SLAM算法与半全局双目立体匹配技术结合的方法,同步完成农田场景的三维稠密点云重建。该方法避免了位姿估计和视差图估计分离进行,减少中间等待时间。针对目前视觉SLAM算法为满足实时性能而采用稳定性相对较弱的特征问题,对视觉SLAM算法的稳定性与精度展开研究。本研究采用基于稳定性更好的SIFT特征作为SLAM算法的追踪特征,使得算法能够顺利在非视频流的农田场景航拍数据集运行;并且提出视觉与RTK-GPS融合的SLAM方法,完成图像的位姿估计,与其它开源算法进行了精度对比分析,通过绝对均值误差对比发现本算法具有更好的表现。针对农田场景中重复纹理、弱纹理丰富,造成场景恢复不完整的问题,本文对提高场景的稠密点云重建能力展开研究。在半全局双目立体匹配算法的代价值计算环节,进行了增强并保留纹理的操作,同时针对点云噪声提出了相应的剔除方案。改进后算法与其它开源算法分别得到的稠密点云地图进行对比分析,结果发现本算法的稠密点云地图噪声更少,重复纹理、弱纹理区域恢复能力更强,障碍物恢复的完整性更好。