月球拥有丰富的矿产资源、能源储备与环境资源,可为人类社会的可持续发展提供稳定的支撑,其独特的空间位置是人类对于遥远星体甚至广袤宇宙探索的基石。月球探测一直是各航天大国的重要战略目标,现阶段各国主流的月面探测手段是仍然是采用无人巡视探测器执行采样任务,在月面巡视探测过程中,月面未知环境感知是探测器避障与路径规划的前提条件与关键技术。本文基于月面环境,对小尺度月面复杂地形环境感知技术与三维场景建模技术展开研究,主要研究内容如下:首先分析了月面巡视探测任务作业环境存在:岩石、陨坑、陡坡等主要障碍物。介绍基于立体视觉的数据采集原理,采集点云月面数据,再经滤波去噪降采样等预处理操作,为后续障碍物检测提供良好的月面地形点云数据。然后研究了基于三维点云数据的地形感知方法,对月面障碍进行识别。其主要流程为:采用随机采样一致性算法(RANSAC)提取地形基准平面,对剩余数据进行基于密度的聚类算法(DBSCAN)得到障碍物点云集合。结果表明,基准面估计的精确性对障碍物检测有着至关重要的影响。结合月面环境以及算法原理分析可知,使用传统的RANSAC算法会影响多场景的适用性,高丰度障碍物使平面估计造成偏差。针对这两类问题分别进行自适应阈值与结合形态学算法改进,可提取相对准确的基准面,提高障碍物检测的精确性。接着本文对聚类点云集合进行归类总结,分析障碍物类别,判断障碍物的位置、范围、高度、深度等信息。使用平面模型参数化方程结合凸包算法简化的障碍物数据进行场景重建,不但提高重建效率且保留地形特征,从而保障月球车的探测与避障的精度与实时性操控。最后,搭建巡视探测任务中小尺度复杂地形感知与场景建模实验平台,并使用模拟地形数据与月面地形数据进行基于三维点云的障碍物感知与场景重建实验。对比分析实验结果,可验证本文算法的正确性与可行性。在小尺度复杂地形巡视探测任务中,本文方法可以准确地获取障碍物的位置坐标,利用点云特性快速进行场景建模,极大的节约时间成本。