三维重建一直都是计算机、医学、科学计算、虚拟现实等领域的科学问题,也是近年来的研究热点。三维建模的方式可划分为三种:基于几何信息的三维软件建模、基于距离的测量建模和基于图像的建模。三种数据来源对应着三种建模方法。其中,基于图像的模型重建方法具有数据获取便捷、设备价格低廉等优点,迅速的成为了当前三维建模的重要方法之一。使用二维图像经由运动恢复结构(SFM)生成三维模型是基于图像重建的关键步骤。因为全局SFM算法相比于一般SFM算法具有误差均匀分布等优点,使其成为近年来基于图像三维建模的热门研究方向。本文研究了全局SFM方法以及三维重建的相关方法,基于开源代码实现了一个基于图像的三维模型重建流程。这个重建流程使用全局SFM方法代替迭代SFM。本文使用地基激光扫描数据作为参考数据,使用全局方法和迭代方法完成重建,并对比重建结果。文中介绍了三维重建的相关知识,包括齐次坐标系和相机成像模型。然后介绍了三维重建的相关算法。特征点提取和匹配分别使用SIFT算子和最近邻方法。通过匹配的特征点求得相机之间的对极几何关系,进而求得全局旋转矩阵和全局平移向量。在这个过程中,使用最小二乘法完成相应的计算。最后使用光束法平差方法完成结果的统一优化,得到稀疏三维点云。但是,该点云数据无法清晰地反映出目标结构,因此需要进一步进行稠密重建。稠密重建首先选取种子面片并重建三维信息之后重复进行邻域扩展—信息重建的过程,直至所有面片重建完毕。最后使用一致性约束对所有的面片进行过滤,一致性约束使用几何和光学约束。通过对开源算法、软件和相关库的研究、整合以及相关功能的改写,实现了一个流程清晰的三维模型重建流程。基于实现的重建流程,本文采用校内采集的数据进行重建。重建的目标有三个,分别是创新中心、经管学院和一座假山。同时,使用VisualSFM完成迭代重建,评估两种结果的重建精度。对比结果显示全局方法的重建结果相比于迭代方法更均匀、精度更高,并且在某些条件下,全局方法重建的点云结构更加完整。