随着信息化产业的不断发展,现代社会对于机器人行业、无人驾驶行业、室内导航行业有着强烈的需求,而三维重建就是其中至关重要的一项技术。机器人行业中,需要在三维场景中进行任务安排从而大大降低人们对机器人操作的门槛。无人驾驶行业中,通过提前构建道路的三维语义信息并融合在导航类软件中,采用AR（Augmented Reality）进行显示,保证使用者在面对如复杂的路况下,都能通过三维重建+AR的提示方式驶向正确的方向。室内导航行业中,场景中光照、场景几乎不变化、人流较大、干扰较多的情况,使用者几乎只能依靠手机等手持设备进行导航定位,对三维重建的算力和效率的具有很高的挑战性。而在众多三维重建的应用场景中,快速旋转式的大场景三维重建始终是一个难点。重建效果好、精度高的三维重建模型需要获取一个精准的位姿,而随着相机移动速度越快位姿跟踪难度也将随之提升。相机的快速平移和快速旋转会导致三维重建模型点云稀疏,模型缺失立体感,产生大量零散的点云。针对大场景三维重建技术有以下几个特点:第一,要求算法具有较高的快速性,从而可以提高场景采集的速度;第二,要求算法具有较好的回环准度;第三,要求算法在采集设备的选择上,尽可能便携。因此,针对快速旋转式大场景的三维重建系统,本文通过RGB-D相机图像采集装置,从位姿跟踪、三维重建算法、回环检测等方面进行探索和研究,得到一套较完善的旋转式大场景三维重建系统。主要内容和成果如下:1)针对当前大场景三维重建采集设备较为沉重、采集过程复杂且不易快速采集的问题,本文采用便携式RGB-D相机作为三维重建系统的采集装置,设计了更加快速的特征提取与特征匹配方法,在不影响精度的前提下采用了移动截止深度算法提高三维重建的效率。因此,本系统分别在图像采集、轨迹跟踪、后端优化以及三维重建部分,均以快速性和准确性为研究目的,最终实现了对大场景的快速旋转式三维重建的构建。通过对公开数据集的位姿估计进行对比实验,参与的对比算法包括ORBSLAM2和Elasticfusion算法,在移动速度0.21m/s,平均角速度为41.6deg/s时,ORBSLAM2和Elasticfusion的平均绝对轨迹误差分别为本文算法的1.19倍2.84倍,证明了所提出的算法具有快速性和位姿准确性。2)针对当前三维重建算法对快速旋转式大场景重建时易发生位姿误差,从而导致了三维重建模型的零散点云过多与空洞等问题,本文提出了利用移动截止深度建图对位姿进行优化的方法。该方法将通过移动截止深度构建的表面点云,与经过滤波处理的深度信息进行对比,对处于零散的点云进行剔除,同时也将该零散点云对应的位姿信息从跟踪模块中剔除。本文通过在公开RGB-D数据集与三种经典算法进行三维重建的对比实验,本文算法能够得到重建范围最广、模型最为完整、细节最为清晰的模型,证明了本文所提出算法在重建模型的整体效果及模型精细度都具有一定的优势。3)针对当前三维重建算法在进行不同连通大场景之间连接处的重建时容易发生错层的问题,本文提出了基于运载小车的地面约束的三维重建算法。通过将RGB-D相机放置在运载小车上,使得相机的运动轨迹始终与地面平行,从而将相机的运动轨迹从三维降到了二维。本文使用搭载在运载小车上的RGB-D相机,采集了大型走廊与大型房间的整体三维重建模型,通过改进的ORBSLAM2稠密建图算法、Kintinuous算法进行实验对比,证明了本文所提出的基于地面约束的三维重建算法,在面对不同大场景连接处的三维重建时,能够有效地消除错层重建。添加了地面约束后,本文算法所得到的三维重建模型的精度提高了接近一倍,平均误差仅为改进的ORBSLAM2稠密算法的三分之一。本文针对快速旋转式大场景三维重建方法进行了深入的研究,通过不同的细分场景与要求,设计了一种手持RGB-D相机的快速旋转式大场景三维重建方法,以及一种基于地面约束的RGB-D相机图像采集小车的快速旋转式大场景三维重建方法。手持RGB-D相机的快速旋转式大场景三维重建方法倾向于大场景的单一环境,能够在手持奔跑的情况下进行三维重建,无需移动缓慢的稳定手持,整体设计趋于轻量化。而基于地面约束的RGB-D相机图像采集小车的快速旋转式大场景三维重建方法,则是面向具有不同场景切换（比如光照不同、房间不同等等）,在手持RGB-D相机的快速旋转式大场景三维重建方法的基础上,能够有效地消除重建的错层部分,使得最终的三维重建模型更为完善。