场景解析对于室内机器人语义定位和地图构建有着重要的应用价值。直接测量高精度的深度信息能弥补传统RGB纹理视觉信息的不足,对于解决室内场景解析问题具有巨大潜力和诱人前景。随着传感器技术的发展,深度图像的获取不再昂贵,近年来基于RGB-D图像的室内场景解析理论和技术受到国内外研究者的关注。场景解析研究的重点在于场景内对象轮廓的提取、对象分割以及对象之间几何关系的推测。本文从实际应用出发,深入分析了场景解析的各个步骤,在对象的轮廓提取、对象分割、对象之间几何关系推测三个方面进行了深入的研究。本文主要的创新研究成果如下:(1)针对RGB-D图像丰富信息,提出了一种基于圆盘的表示方法,以达到充分利用亮度、颜色、纹理、深度信息的目的;针对单个决策树表现出高方差以及过拟合的缺点,牺牲单个决策树的准确性以满足集成模型的多样性,利用类似的方法为结构化标签引入近似信息增益准则,得出结构化森林的方法;像素点中的边界信息根据二元变量的指示来确定,提出了一种基于结构森林的RGB-D图像轮廓检测方法。(2)在上述研究的基础上,提出了一种基于树的实例分割方法。分别选择使用标准分割树和偏分割树来训练全局模型,建立ILP以描述语义和实例的映射问题,建立损失函数模型来解ILP模型。该实例分割方法可以有效的避免错误分割,准确的标记分割块。(3)针对前述的实例分割结果,将其作为输入,提出一种更加简单准确的场景中对象几何关系推理方案。将场景中的对象分成四种结构化类,结合物理约束和统计先验支撑关系,将推理问题转变为一种整数规划问题,再重新定义约束,使用Gurobi线性规划解决这类NP难题。