三维扫描技术是虚拟现实技术在模型构建领域的重要应用,能够快速实时构建场景及物体的高质量模型。然而,三维扫描技术获得的场景模型的整体性使重建模型应用受限,并且通过人工扫描大范围复杂场景仍是枯燥且耗时的。针对上述问题,本文针对室内场景重建与分析提出一种新的方法,基于KinectFusion技术,将场景扫描与分析结合起来,在对场景进行三维扫描的同时,根据获得的场景模型重建数据实时进行场景分析。在场景分析方面,本文将场景进行过分割,并根据获得的patch构造patch graph。基于patch graph提出了一种检测场景点云中平面结构的方法,通过预先排除支撑平面及其下方模型数据加速场景分析算法。之后根据简化的patch graph使用一种基于投票式的二元图割方法对场景模型进行分割,同时在线学习切割代价,在不使用先验知识的前提下达到了较高的分割准确度。在场景分析的同时,本文采用一种联合熵同时评估重建与分割结果的可信度,并推算推动物体前后的信息增量来选择下一个最优推动(NBP)引导机器人主动式地推动场景中分割可信度较低的物体进行验证。当推动完成后,本文根据现有的场景模型计算下一次扫描的最优视角(NBV),保证场景模型的完整性。通过迭代执行分析—验证过程,能够保证场景重建与分析结果具有高可信度。在系统实现方面,本文介绍了系统实现的基本构成组件,以PR2机器人平台为载体,运行本文提出的场景重建与分析算法,实现针对室内场景的自动化场景扫描及主动式场景分析结果验证。文章最后基于场景ground truth模型提出了一种场景重建及分割结果准确性的量化评估方法,并对实现环节中各个算法及重建分析结果进行了效果和性能评测。