随着科技发展进步,三维场景重建在许多领域有着重要的实用价值和应用前景。使用激光雷达数据实现三维建模是近几年得到广泛应用的技术手段,但在特定场景中重建结果会存在目标冗余等情况,因此本文采用相机采集的RGB位图和激光雷达数据融合的方法对特定场景中无关目标进行剔除并实现三维场景重现。本文首先使用轻量级的SLAM算法,将不同类型的特征点进行特征提取与匹配,融合不同时刻的点云完成点云地图的重现。针对构建的点云地图中可能存在的动态目标轨迹和静态无关目标,借助多源传感器数据和深度学习在计算机视觉领域的应用技术,在三维空间中进行目标检测与剔除。对于点云建模与目标检测两个不同过程,本文采用点云配准的方法对其进行算法融合,最终完成校园环境下的场景重现。本文所提出方法可应用于智慧城市、无人驾驶等领域,具有实际应用价值。论文主要在以下方面展开了研究工作:1)搭建了三维场景重现的硬件平台和软件环境。硬件平台主要由激光雷达和摄像头以及其他组装设备构成,软件环境包括点云的处理和算法运行环境。2)实现了低漂移、低功耗的三维点云地图建模算法。本文对现有的点云建模算法LOAM和Le GO-LOAM定位与建图算法进行仿真,并实际应用于室内外场景下,对建模的实际效果进行比较,得出实际环境中算法的可应用性。3)提出了一种基于多源数据融合的三维场景下目标检测与剔除网络D-FPN。在点云数据搜索上,多源数据融合可以大大减小目标存在的范围,进而使用点云目标检测算法进行目标分类与3D边界框回归,对不同尺寸目标检测精度和效率有一定的保证。4)实现了一种融合点云建模地图与单帧目标检测与剔除结果的ICP点云配准方法,最终完成了无冗余信息的三维场景重现。