随着计算机视觉技术的不断发展,人们对如何用计算机模拟真实世界的三维场景的兴趣越来越高,对三维场景重建技术的要求也越来越高。传统的三维建模软件效率低下,学习成本高等缺点成为了普及三维场景建模技术的拦路石。为了实现大众化的、高效率的三维场景建模技术,本文提出一种从单幅或者多幅RGBD图像重建室内三维场景的新方法。首先本文引用了一种交互式的图像语义分割与标注算法,对RGBD图像进行分割与标注,以获取图像中的场景元素。在此基础上,本文提出了一种基于模型匹配的三维重建方法,将图像块和已有的室内场景三维模型库进行匹配,得到对应的室内场景三维元素,应用到三维场景重建中。该方法在近几年流行的卷积神经网络的基础上进行调整和训练,得到了一个合适的匹配模型。针对三维重建过程中三维元素的姿态估计问题,本文提出了一种基于卷积神经网络的深度图姿态估计算法。该算法采用了回归网络来实现姿态的估计。首先,本文通过已有的3D模型合成大量不同姿态的深度图像样本,从而解决回归估计需要稠密采样的训练数据问题。然后,对于不同类别的物体,分别用线性回归估计来拟合姿态函数。在基于LeNet-5模型上修改了卷积神经网络的结构,使用三层卷积层和三层下采样层设计本文网络模型,使得该网络适用于回归估计。最终训练得到一个最优的模型,成功解决了三维场景重建问题中的姿态估计问题。实验结果表明:本文的方法取得了平均误差约4.3~?的估计结果,优于其他文献的方法。