倾斜摄影测量三维重建是当前摄影测量与计算机视觉领域的研究热点之一。相对于传统的垂直航空影像，倾斜影像具有同视影像基线较短、几何变形大、色差大、地物遮挡现象较为突出、数据量较大等特点，这给全自动的高精度三维建模带来了一系列困难和问题。

本文围绕倾斜摄影测量场景全自动三维重建开展研究，针对现有倾斜影像自动三维重建方法对不同数据存在自动化处理能力不全面、重建模型结构特征不突出、模型精度不够高的问题，在倾斜摄影测量场景三维重建的不同阶段给出了一些相应解决办法。

论文主要内容如下：

(1) 提出了一种倾斜影像成像方式的划分理论，并提出了带定位定姿系统(position and orientation system, POS)数据和不带POS数据的两种倾斜影像匹配方法，带相对姿态参数的光束法平差模型及其适用范围，提高了对不同倾斜影像数据的自动化处理能力，实现了高精度的倾斜影像自动空中三角测量。

(2) 提出了一种基于影像分组和顾及地形结构的自适应物方面元多视立体匹配方法，解决了影像数据量大和经典的基于物方面元多视立体匹配算法(patch-based multi-view stereo matching algorithm, PMVS)对窄基线影像数据匹配效果不佳、没有顾及地形断裂线且计算效率较低的问题，提高了PMVS算法的数据处理能力、处理效率和匹配精度。

(3) 基于泊松表面重建算法，提出了一种顾及平面和边界结构特征的三维重建方法，解决了三维三角网模型(Mesh)表面不平整、棱角不突出的问题，提高了三维模型的视觉效果和重建精度。

(4) 设计了一种顾及遮挡检测的高分辨率自动纹理映射方法。利用精确投影矩阵计算物方与像方的几何投影关系，获得与地物面(即Mesh三角面片)对应的影像纹理信息，然后通过一种快速的遮挡检测技术剔除有遮挡现象的影像纹理信息，最后通过一定的最优算法选择出地物面的理想纹理并进行匀光匀色等处理，实现高质量三维模型纹理的自动提取。

(5) 融合无人机航测的一些关键技术、基于视觉传感器的同时定位与地图构建(simultaneous localization and mapping, SLAM)思想和场景三维重建中的点云构网、纹理映射方法，提出了一种无人机影像实时空中三角测量和正射影像生成的可行性方案，解决了快速获取的正射影像产品精度较低的问题。