SFM的一般过程如下：
第一步，对一个物体拍摄出很多图像，这些图像组成一个图像序列。每幅图像之间有一定的重合。比如下面的几幅图像是对一个建筑进行多角度拍摄，得到多张图片。
第二步，对所拍摄的图像提取出边缘、角点等关键信息。
第三步，在图像之间寻找对应的特征点进行匹配。
第四步，计算相机位置和3D点的位置。
通过上面的步骤，能得到对应的3D结构
对这个3D点云进行表面恢复并进行纹理贴图，就得到了重建的模型
注：上面的规范形式P1,P2所代表的矩阵实际理解为[R|t]。
理想情况下，在左右两幅图像中找到同名点后，连接同名点和光心会产生两条直线，这两条直线会相交于一点，这个点就是物体世界中该点的位置。但实际中，由于各种误差和噪声影响，这两条直线可能不会相交于同一点，需要进行一些特殊处理。
上面的公式中，m1表示M点在左成像平面上观测到的点位置，P1M是通过相机投影矩阵计算出来的M在左成像平面上的对应点位置（m2,P2M也是相同理解，只是所有位置是在右平面）。通过找到多组同名点，就有多个重投影误差项，我们的目的是找到这些所有重投影误差之和，使这个值最小化，在这个过程中，可以找到最优的P1和P2。找到最优的P1,P2之后，再进行位置计算。
以下是一个具体的例子。
