场景的实时三维重建是一个非常热门的研究领域，其目的是使用消费级可见光相机对场景进行扫描，自动生成一个精确完整的三维模型，该算法在增强现实游戏、机器人室内导航、AR家具展示等领域都有广泛的应用前景。此外，该领域注重实时性，也就是在扫描的同时生成三维模型。现有的研究只能使用稀疏点云进行实时网格构建，生成的模型不能充分表现场景的精确三维信息，从而难以进行应用。因此，研究更高精度的实时三维重建算法非常有必要。
　　算法基于ARCore增强现实开发工具，实现了移动端的实时三维重建，使用手机的可见光相机扫描物体或场景，由ARCore对图像序列进行跟踪并输出带位姿的关键帧，然后由增量式稠密重建算法生成场景的三维点云，然后采用双线程构网策略实时生成场景的三维模型。首先对PMVS算法进行优化，用半稠密匹配算法对种子点进行扩充，生成更多的种子点，然后进行种子点约束和排序。在点云扩散时，利用面片的邻域信息对法向初始值进行优化，从而使得生成的点云模型更加平滑。最后，为了降低点云扩散的时间复杂度，在不影响建模效果的前提下，利用多分辨率自适应扩散策略来进行算法加速，为实时三维重建提供效率保障。在上述优化的基础之上，实现增量式稠密重建算法，从特征点检测与匹配、点云增量扩散、点云过滤三个步骤分别提出优化策略，解决了因图像增多而带来的重建速度变慢的问题。最后提出使用双线程三角网格生成策略来生成三维模型，一个线程进行全局构网，来保证三维模型的完整性，另一个线程进行局部构网，保证生成三维模型的实时性。最后对原始网格进行简化，利用网格clean算法删除模型中的错误面片。
　　最后通过实验验证了实时三维重建算法的有效性，能够在移动端使用可见光相机实时地生成精度较高的场景三维模型。