从动态图像或时变图像序列确定3D物体结构及物体与观测者之间的相对运动是当前计算机视觉中十分热门的研究问题。本文主要研究基于直线光流场重建带直线特征的三维刚体运动和结构的计算理论和方法。本文研究利用改进的freeman链码对前期处理得到的边缘图像直线进行编码,提高了Hough变换提取直线的精度,利用Hough变换的点线对偶性,将对单目图像序列中的特征直线的匹配转化为在参数空间中对特征点运动轨迹的参数估计,设计采用卡尔曼滤波器对运动目标进行初步跟踪,利用自相关系数,通过建立模板与图像的匹配相关系数判定搜索到的特征点的精确坐标。本文将表示二维直线的参数对时间的导数定义成直线光流场,推导出在透视投影模型下,运动刚体上的空间直线的旋转运动参数与其投影的图像直线光流场之间的运动关系,即直线光流方程。基于这个方程利用单目图像序列中连续三幅图像的两对平面直线,将这两对平面直线坐标按照直线光流的定义计算出直线光流,可以通过解线性或非线性方程的方法重建带直线特征的三维刚体的旋转运动参数、平移运动参数、摄像机的焦距和空间直线坐标参数。该算法的优点是:所需要的直线数目少,算法简单,运算速度较快,容易实现。本文提出了基于单目长图像序列直线光流方程和BP神经网络的刚体运动和结构的计算方法。该方法将直线光流参数作为网络的输入和输出,待求刚体旋转参数作为网络的权值和阈值,给定网络的训练速率、训练次数和训练目标误差后,利用BP神经网络自身强大的自适应性和容错性,采用误差逆传播算法,通过不断地调整权值和阈值使网络的输出达到目标输出。当网络训练达到收敛后,此时网络的权值和阈值就是所求的刚体旋转参数,进而求出刚体的平移和空间直线坐标,实现了三维重建。该方法只要能够稳定获取和跟踪两条平面直线参数即可重建刚体的旋转运动、平移运动和相对深度信息。多组仿真实验表明该系统是稳定的,具有较好的鲁棒性能和计算误差。