随着室外场景三维重建技术的不断成熟和发展，室内场景三维重建的需求也日益凸显。室内三维场景构建为虚拟现实、增强现实、室内定位与导航以及应急、公安等领域提供了重要的技术支撑。目前室内场景重建常用的数据源可分为影像和激光点云数据两类。基于影像数据的室内重建结果受室内纹理和光照等条件影响较大，且建模耗费时间较长。利用激光扫描仪采集室内场景点云数据进行室内场景重建的方式，可以直接快速获取室内场景的三维点云数据，是一种高效的数据采集手段，但由于激光点云数据通常缺乏颜色和语义信息，这也为实际使用过程带来诸多不便。而在点云数据上进行结构化建模则可以有效解决上述问题，这种建模方式能够快速获取室内场景的关键结构和拓扑信息，为应急等领域提供重要的技术支撑。基于模型库的室内目标重建技术则是结构化建模过程中必备的技术环节。因此本文主要研究内容如下：
　　1.研究了室内场景点云粗配准方法。针对室内场景点云数据轮廓信息丰富，特征明显，具有较强的约束性，提出了一种利用室内激光扫描点云投影轮廓线中的边和角点信息进行点云配准的方法。针对室内场景的高对称性可能带来的错误匹配情况，利用边和角点构成邻接拓扑图，通过拓扑关系进行一定约束。通过最大一致集验证方式对场景可能存在的错误配准结果进行剔除，也对最终配准结果进行验证。
　　2.研究了室内扫描点云语义分割和优化方法。在利用深度网络对室内点云进行语义分割的基础之上，针对初始分割结果中存在的边界粗糙和部分区域标签错误的情况，使用全连接条件随机场方法对其进行优化，使分割结果得到改善，每个点的标签具有更高的置信度。
　　3.建立了室内物体三维模型库，研究了模型驱动的室内典型目标建模方法。针对室内扫描物体点云和三维模型库模型自动检索匹配问题，提出了一种具有平移旋转和尺度不变性的室内典型目标建模方法。针对点云数据之间的的相似性程度难以计算的问题，将点云数据转换成体素数据进行计算。