随着工业4.0及中国制造2025的快速发展,现代化港口逐渐取代传统运输方案,智慧港口也成为国家重点建设的目标。在智能化、信息化、自动化技术的日益完善的趋势之下,重建物体的三维模型在社会诉求和企业生产中变得越来越重要。煤场的三维建模是智能港口建设过程中的重要一环,其决定如何制定自动堆料、取料的策略,它对智能堆取料技术具有重要的指导意义。本文以煤炭港口堆场为研究背景,以多视图立体视觉三维重建为理论基础,以无人机为图像数据采集平台,深入研究分析多视图三维重建的各个理论环节,提出了基于立体视觉的煤场三维重建方法。利用无人机搭载相机获取多角度图像,并且结合图像EXIF中的辅助参数信息进行视图的过滤和聚类分组。当获取的图像具有尺度变换及模糊变换时,如何在复杂图像中获取图像最佳局部信息,尤其是对于煤堆图像,其色彩单一,检测得到的信息缺失严重。获取尽可能多的特征信息始终是三维重建的前提,针对提取煤堆特征点这一难点问题,本文结合煤堆特征的几何特点,提出了基于无人机图像辅助信息的自适应尺度的Harris-Laplace特征点检测结合SIFT特征描述的特征匹配算法,该算法可以明显的检测和匹配煤堆图像的特征点,增加了匹配特征点的数量和保证了重建三维模型的点云数量,进而保证模型的完整性和精度。在运动恢复结构阶段,针对增量式Bundler稀疏重建方法和批处理重建方法进行了深入研究。本文利用无人机图像中带有的GPS等辅助信息,将图像进行分块聚类处理,结合图像的投影进行图像间重叠度的计算;针对大规模图像增量式三维重建算法效率低及不稳定的问题,利用基于无向图三视匹配的批处理重建算法进行煤场三维重建,最终获得煤场的稀疏三维点云和摄像机参数,且保证了处理速度的高效性、算法的稳定性和数据的精确性。最后利用本文的算法对某港口的堆场进行三维重建,获得的三维几何信息满足当前使用要求,整个实验结果验证了本文算法的可行性和实用性,具有很好的研究意义和应用价值。