三维场景重构技术实现了对现实场景信息的数字化表示,将客观的现实场景在计算机中真实再现并处理。不管是对于移动机器人还是人类,重构信息为处理客观现实场景提供了方便,是移动机器人进行路径规划和自主导航的前提和基础。本文主要研究了基于Kinect深度相机的室内三维场景重构问题,对室内三维场景的信息采集、多场景匹配、精简数据等问题进行了研究和理论分析,有效、快速、准确的实现室内三维场景重构。室内场景三维重构的核心问题是多场景间的匹配问题,选择有效的匹配算法是重构室内场景的重要前提。本质上就是求解多场景间的变换关系来实现不同视点下的坐标统一问题。根据Kinect提供的视觉信息和深度信息,本文提出结合两者的联合优化算法,在相邻场景的灰度图像上提取SURF特征匹配对。基于SURF特征匹配对,分别使用矩阵奇异值分解算法(SVD)和最近邻点迭代算法(ICP)来实现多场景点云数据的匹配,两种方法都是基于对误差目标函数最小化的求解。实验结果验证了基于SURF特征对的ICP算法在有效性和实时性方面优于SVD算法,为室内三维场景的重构奠定了基础。由于Kinect视角和视距范围有限,室内三维场景的重构问题必然会产生误差积累的问题,特别在回路闭合处,误差积累表现得更为明显。为了获得三维场景的重构效果,需要解决闭环回路引起的位姿漂移问题,分为闭环回路检测和处理闭环回路重合区域两部分。建立结点间的位姿图,利用视觉信息上的重合度来进行闭环回路的检测。检测到闭环后,利用高斯-牛顿迭代算法对位姿图结构进行全局优化,即实现全局误差目标函数最小化,使目标函数中的参数变量不断迭代更新,以达到全局一致性的目的。在三维场景重构中,相邻场景间匹配必然会产生冗余数据,针对这个问题,引进二维栅格结构对冗余数据进行精简。多组实验结果证实了本论文算法的有效性。