室内场景的三维重构,是对包含多个目标模型以及墙壁和地面的室内场景进行3D建模。3D建模是在三维空间的模型重建过程,利用模型的三维空间数据,重构出模型的几何拓补结构。室内场景的三维重构自应用以来便在军事领域和民用领域发挥了重要的作用,尤其可以结合正炙手可热的VR技术,大大扩展在房地产业、3D游戏、测绘业以及旅游业等领域的应用价值,一方面可以提供室内场景的距离、方位、拓扑结构等精确信息从而有力辅助相关测绘工作;另一方面可以通过三维重构结果的立体可视化来极大地便利和丰富人们的娱乐生活。室内场景3D建模所用的传感器中,激光雷达由于其测距精度高、抗干扰能力强以及可视范围大等优点更适合室内场景的3D扫描。目前三维重构技术的研究难点在于杂散点的移除、多视角点云的配准以及三维重构,本课题首先搭建了单线激光雷达加外部转台的扫描平台来获取室内的目标模型点云以及场景点云,并对扫描获取的点云进行三维重构研究,在这个过程中做出了如下算法改进:(1)杂散点移除处理,对比分析了现下较为经典的基于距离的和基于密度的杂散点移除算法,针对非均匀点云杂散点检测率低的问题,提出了改进的基于自适应DBSCAN的杂散点移除算法,优化了邻域搜索范围和邻域半径的自适应问题,杂散点检测率提高了约2.7%,算法效率提高了约9.7%;(2)多视角点云配准处理,针对目前经典的ICP算法的配准复杂度高且配准精度随初始距离越大而越低的问题,提出了基于PCA粗配准结合ICP精配准的算法,从仿真结果看,配准效率可提高约26.7%,且有效提高了配准的准确度;(3)点云三维重构处理,针对泊松重构算法对于密度非均匀点云的重构表面细节较差的问题,利用非均匀有理B样条(NURBS)的非均匀适应性特点,将NURBS应用于泊松三维重构中,改进算法保留了泊松重构的密闭性与光顺性的同时改善了密度非均匀点云的重构表面细节。