对非结构化的自然环境进行实时、精准的三维实景重建是机器人的应用场景由城市化环境延伸至野外环境的核心问题。然而,当前研究面临着系统精度不高、重建效果差、实时性不强等亟待解决的问题。本论文设计与研制了一套搭载于移动柔性扫描机器人上的多模态融合感知系统,并开展了针对自然环境精准三维重建的理论研究,主要内容包括:1、基于外参与模体结构同时估计的多模态系统建模与标定。本论文设计了一套针对野外自然环境扫描重建作业的多模态融合感知系统,将远景系统与近景系统结合完成多模态坐标系的统一化。建立了融合系统与所感知环境的联合观测模型,并采用外参与模体结构同时估计的方法对系统进行了标定。通过实验与原始方法进行误差分析对比,验证了外参与模体结构同时估计方法准确性高,实用性强。标定得到的精准外参为数据配准与三维重建提供精确的系统参数。2、基于点云与影像融合的多尺度自适应自然环境重建。多模态系统集成了具备可远距离稀疏点云式精准测距的激光雷达模块,及近距离高精度散斑成像的深度摄像机,因而可兼容自然环境下远、近景三维重建的功能。本论文提出了一种基于点云与影像融合的多尺度自适应三维自然环境重建方法,以深度阈值作为全景扫描指标的尺度自适应切换策略。针对远景重建,通过对点云特征点设置阈值,拒绝对应图像特征点中的外点完成激光辅助图像实景重建。通过实验验证了本文提出的策略更好的满足了自然场景中全景重建的需求。3、基于DFNN的重建空洞修补方法以及基于视觉-惯性测量融合运动修正的实景重建效果优化方法。这两种实景重建优化方法改善了点云与影像融合实景重建的空洞问题。借鉴生成式对抗网络设计编码器和解码器构成的生成器网络模型,判别器网络模型与生成网络模型互为镜像。此外,针对图像多视角的三维重建方法易造成的实景重建结果空洞及场景复杂性（如拐角区域）下无平移增量造成的重建效果交叉分层等问题,通过联合最小化惯性测量单元预积分约束以及滑动窗口中视觉重投影误差矫系统运动估计。最后,对提出的两种方法进行实验,在准确性,完整性等指标上进行分析,验证了所提方法的有效性和实用性。