基于视觉的三维场景重构与监控容易受到光线变化等环境因素的影响,而且无法直接提供场景中位置信息,在实际应用中存在一定局限性。三维激光能稳定获取场景测距信息且不受光照等环境因素的影响,因此如何将三维激光测距信息与视觉融合,并应用到三维场景重构与监控中成为该领域研究的热点。三维激光与单目视觉之间的外部参数精确标定是激光、视觉数据融合的基础。为解决该外部参数标定问题,研究中有针对性设计了一种带有圆形孔洞和红色标志带的标定板。为了标定出三维激光与单目视觉之间的外部参数,需要获取相匹配的激光角点与图像角点。为获取高精度激光角点,通过邻域平面拟合提取出标定板平面,结合区域数据二值化和统计分析初步获取激光角点,再利用ICP(迭代最近点)匹配算法对角点初值进行校准。为获取准确图像角点,通过对标定板部分图像的自适应阂值化处理,能够克服孔洞对图像角点提取带来的影响,提高所获取角点的精度。标定验证实验与定量数据分析表明了本文所提外部参数标定方法的有效性与可行性。为实现三维场景有效重构,研究中采用基于点云有序性的三角网格划分方法实现三维场景建模。同时为了实现场景颜色及纹理信息显示,提出一种激光与视觉数据在三角网格面片特征层面的融合方法。通过局部离群点检测算法去除离群点,并利用每个离群点周围的非离群点对其进行修复以保证点云有序性。对预处理后的三维激光点云进行三角网格建模,并利用误划分判断准则去除错误划分。利用三维激光与视觉之间的外部参数,对每个三角网格面片进行纹理贴图,实现二者之间特征层面的数据融合。场景重构实验表明本文所提方法重构出的场景不仅具有与真实场景相同的几何信息,还保留了原有纹理及光照信息。由于缺乏空间测距信息,基于单目视觉的传统场景监控方法在解决存在多目标遮挡的场景监控中具有一定局限性。本文研究中通过场景激光数据的高程图表述检测出人体目标,并利用三维激光与多摄像机之间的映射关系将人体目标点云映射至图像上,实现基于激光与多摄像机协作的人体目标检测与显示。人体目标检测实验表明本文所提方法的有效性。