三维重建（3D Reconstruction）通过建立数字化模型反映各种测量方法获取到的真实空间中物体的结构和纹理信息,涉及增强现实、机器人导航、医学CT诊断等多个领域。早期,三维重建技术采用接触式测量方式获取物体的信息。随着传感器技术的发展和相关理论的研究,以相机和激光雷达等设备进行非接触式测量的信息获取方式成为三维重建技术的主流。深度相机面世以来,特别是即时定位与建图算法的成熟应用,基于深度相机的实时三维重建满足了人们对实时交互的需求。然而由于功耗、体积和成本等因素,深度相机不适合应用于有效载荷和功率有限的设备。因此本文对基于单目相机的实时三维系统展开了研究,研究的主要内容如下:（1）针对深度图生成耗时较多的问题,提出了一种基于局部立体匹配的深度估计算法。首先在GPU上执行高度并行的降采样随机初始化和棋盘迭代传播,获得粗糙的低分辨率的深度图。经匹配损失滤波器和最小联通区域剔除去除噪声深度之后,升采样并平滑深度图获得原始分辨率大小的深度图。使用慕尼黑工业大学提供的RGBD数据集对提出的算法进行了实验,算法能够以每秒25帧的速度生成分辨率为640x480的深度图,生成的深度图具有较高的完整度和较低的相对误差。实验结果表明,本文提出的深度估计算法在速度和质量两个方面均能满足实时三维重建系统的需求。（2）针对连续深度图导致的点云冗余问题,提出了一种基于体素块增量更新的TSDF融合算法。算法通过将世界坐标系划分为体素块和体素方块的二级树结构以便于快速更新体素方块,采用基于哈希表访存体素块的方式扩展可重建范围,使用视锥体筛选减少体素块的更新数量和体素块增量更新算法提高体素块的更新速度,通过空间雕刻移除无效体素块降低内存占用。实验结果表明,与Open Chisel库相比本文提出的TSDF融合算法速度更快、噪点更少。在重建系统中可以采取缩小更新视野或增大体素方块的措施实现实时的融合深度图。（3）设计并实现了基于单目相机的实时三维重建系统,该系统分为图像发布、位姿计算、深度估计和表面重建四个模块。图像发布模块畸变矫正相机获取的图像后发布,位姿计算模块使用修改过的ORB＿SLAM系统计算相机位姿,深度估计模块采用本文提出的深度估计算法生成深度图并通过时序传播和时序滤波优化深度图,表面重建模块使用基于体素块增量更新的TSDF融合算法和Marching Cubes算法生成网格模型。在台式机上搭建了本文设计的重建系统,针对单目相机移动范围受数据线限制的问题,引入了可移动的笔记本电脑作为从机。从机仅负责图像发布模块,台式机作为主机负责计算量较大的位姿计算、深度估计和表面重建模块。搭建的系统在真实环境中进行了实验,实验结果表明,系统可以较好的恢复场景中的纹理和结构信息并且能够实现实时交互。