随着信息技术的快速发展,融合图像颜色信息的三维场景重建技术广泛应用在增强现实、智能驾驶、文物保护等许多领域,构建高分辨率和大范围场景的三维重建模型具有重大意义。目前,基于移动平台上的点云和图像融合是大范围场景三维重建的重要方法,本文以移动平台上的点云和图像融合为背景,以提高融合图像和点云信息的三维重建分辨率和点云配准精度为目标,研究移动三维场景重建的关键算法。具体研究内容如下:首先,本文阐述了移动三维场景重建基础,分析了移动三维场景重建过程的关键问题。对实际扫描获得的点云数据中存在的噪声分析了其成因和具体表现,比较了不同的处理方式。对扫描过程产生的离群点采用基于密度信息统计的方法滤波,针对点云细节粗糙、分布散乱的问题,设计了一种自适应邻域移动最小二乘平滑方法。然后,对于数据融合而言,其融合的高精度和高分辨率是后续应用的基础,为了获得最终的融合模型,本文主要从两个方面入手:点云与图像的数据融合和多个点云之间的配准。针对点云和图像的融合,深入探讨了其中的关键技术,在已有方法的基础上,设计了一种改进的激光雷达-相机标定方法,通过法向量和方向向量的相关约束求取其外部参数,并对其不确定量进行加权,从而增强该方法的鲁棒性,提高点云与图像融合的精度。针对移动过程采集的三维点云配准,分析了其中的关键点提取与匹配技术,设计了一种颜色和点云局部特征混合的配准方法,基于两阶段配准的方法可以大幅度提高配准精度,然后通过采集多帧重叠点云数据,递增式构建大范围场景。在此方法的基础上,设计了一种填充方法用于修补扫描过程中产生的孔洞。最后,基于上述理论和方法,设计了一套基于二维激光和图像数据融合的移动平台上的采集可视化软硬件系统,并使用该系统完成了实验室部分场景的三维重建工作。实验结果表明,本文设计的方法能够有效快速的获取高分辨率的大范围场景点云可视化模型。