三维重建是计算机视觉领域中的一个热门研究方向,已在计算机辅助设计、游戏、军事、虚拟现实等领域得到了广泛应用。而基于图像的三维重建技术由于其适用性较强且成本较低,得到了国内外的广泛关注。在当前主流的基于图像的三维重建算法中,以移动恢复结构(Structure-From-Motion,简称SFM)算法最为成熟。但由于传统SFM算法时间复杂度较大且重建结果对输入图像有着较强的依赖性,当输入图像之间的重叠部分较少且图像数量不足时,重建结果并不理想。因此本文提出一种融合手机中惯性测量单元(Inertial Measurement Unit,简称IMU)数据的SFM三维重建系统,旨在减少算法对输入图像的依赖性,降低时间复杂度,提高重建结果质量,并且可以实现对重建点云的去噪。本文主要贡献如下:(1)本文提出融合IMU数据的SFM算法。系统首先读取手机在拍摄图像时的IMU数据,并采用Kalman滤波器对其进行预处理,根据该数据计算出每张图像的相机旋转矩阵。随后本文提出一种基于李代数理论的方法对旋转矩阵进行坐标系变换,并将该旋转矩阵作为先验知识与传统SFM算法中光束法平差(Bundle Adjustment,简称BA)算法进行结合,在原有优化方程中引入一个对旋转矩阵的约束项,有效地改善了重建结果并减少了程序运行时间。(2)本文提出一种基于相机坐标的三维点云去噪方法,旨在去除点云中的背景噪点。背景噪点一般由环境噪声和地面噪声组成。我们首先根据重建过程中得到的相机坐标得到一个包裹着物体模型的圆柱体,处于该圆柱体外的点被认为是环境噪声。我们通过将三维点投影到相机所在平面,根据投影点是否在圆柱体外来判断该三维点是否为环境噪声。另外,为了确定三维点是否为地面噪声,本文方法计算相机平面的法向量与三维点向量之间的内积值,当内积值最大时,该三维点即为地面噪声。(3)本文提出一种基于相机中心区域生长的三维点云去噪算法,旨在去除点云中的离群噪点。我们首先利用重建过程中得到的相机坐标求解相机的中心点,并将距离相机中心点最近的三维点作为初始种子点,随后利用区域生长法递归的在种子点的邻域范围内传播新的种子点。在此过程中,没有被遍历到的点即为离群噪点。本文通过理论分析以及大量实验验证了所提方法的可行性,实验结果也表明了本文方法在定性及定量两方面都优于现有方法。此外,在去噪实验中,我们还将本文提出的去噪方法与如今主流的SFM三维重建系统进行结合,体现了本文去噪方法具有一定的兼容性。