随着计算机技术和人工智能的快速发展,对于智能化的需求越来越强烈,尤其是对复杂动态场景的感知与理解。对于家庭生活、办公室、超市、工厂车间等这种相对封闭的空间,室内场景的三维重建作为一个重要的应用方向,也是室内机器人在复杂环境下实现精准导航规划与场景物体的识别的应用基础。然而室内复杂环境存在遮挡物和光照以及相机本身等因素的影响,快速、准确地完成室内三维重建是亟待解决的技术难点。本文的具体工作如下:首先针对室内场景三维信息采集问题,本文利用微软Kinect相机扫描室内场景,从而获取场景的彩色和深度二维图像信息,通过棋盘标定法获得Kinect相机的内参矩阵,由相机的内参矩阵实现从深度图转化为三维点云数据,从而完成室内环境的数据采集。然后针对深度图像存在噪声和孔洞的问题,传统的深度图空洞修复算法往往是依靠滤波器窗口大小等参数设置,针对大面积空洞区域,太大的滤波器窗口无法保留物体边缘信息,造成物体边缘模糊,太小的滤波器窗口无法消除孔洞区域,影响三维重建的精度,本文采用一种全局优化和局部信息结合的深度图像修复算法。首先通过引入彩色图像,对传统的各向异性滤波修复算法进行改进,从而对深度图进行全局优化消除大面积孔洞区域。对于离散空洞点,将彩色图像分割成多个相似区域得到场景中的结构信息,对传统双边滤波修复算法进行重新构造权值函数,以此来指导深度图像的进一步增强修复。通过实验验证,该算法在保证滤波效果前提下,运算速度得到了提高。最后针对当前点云配准算法速度慢、精度不够高等问题,本文对迭代最近配准算法进行改进,运用k-d树加速了对应点对的搜索,并结合曲率和点距双重约束条件剔除错误匹配点,提高配准精度。通过实验对比验证,本文联合改进的迭代最近配准算法与采样一致性配准算法,有效地提高了点云的配准精度和速度,从而实现了室内场景三维重建的效果。