室内场景是日常生活中最常见的场景,人类日常生活中大部分的时间都在室内。因此当人们进入不熟悉的场景时,人们会迫切地想要了解所处的环境以及所处的位置。随着室内环境的三维重建方法逐渐应用增强现实技术（Augmented Reality,AR）和虚拟现实技术（Virtual Reality,VR）等各个领域,人们对室内地图的要求也日益增加。但是由于室内环境规模小且较为复杂,如何构建高精度的室内三维地图、快速测量室内环境中物体的大小等问题值得深入研究。本文将同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术、深度学习与三维重建方法相结合,首先,研究了三维重建技术与目标检测技术的国内外研究现状。其次,对涉及的三维重建与图像测量的相关理论基础进行了阐述。最后,本文针对基于深度彩色（RGB-Depth,RGB-D）图像的室内三维重建算法和基于目标检测的语义目标测量算法进行了研究,取得了如下成果:（1）针对目前复杂室内环境下三维重建算法存在构建地图精度较低、三维地图构建算法不够成熟的问题,本文中提出了一种基于RGB-D图像的室内环境下三维重建方法,该算法可以有效提高构建三维地图的稠密度和精度,对每一张图像的相机位姿进行求解并同时进行建图,并选取关键图像构建离线RGB-D数据库。实验结果表明,基于RGB-D图像的室内环境下的三维重建算法可以快速建立室内楼道环境的三维稠密彩色点云地图。并且构建的地图精度较高,能够很好地还原室内场景信息,并且能够测量构建的三维地图中手动选点的距离,增加地图的可读性。（2）针对室内复杂环境下物体种类较多、图像测量选取物体复杂且耗时、室内环境下测量精度较低难以达到测量需求的问题,本文首次提出了一种室内环境下的基于目标检测的语义目标测量算法。首先输入用户RGB图像,用ORB特征匹配在离线数据库中选取相似度最高的图像进行目标检测及语义目标测量。本文所提出算法避免手动选取物体的人工耗时,并可以识别物体种类直接输出识别物体的尺寸大小,为室内环境中物体大小信息提取提供便利。实验结果表明,本文提出的语义目标测量算法可以有效识别物体中了并测量语义目标的大小,并减小物体测量的耗时,提高了测量的工作效率。综上,本文对提出的室内环境三维重建和语义测量算法进行仿真验证。实验结果表明,本文算法可以完成室内场景下三维重建和语义目标的测量。