在计算机视觉技术领域里,三维重建是一个备受关注的话题。从最初的运动恢复结构、多视角立体几何等离线重建技术,经久不衰的同步定位与地图构建技术,再到如今以Kinect Fusion为代表的借助图形处理器加速计算的实时稠密表面重建方法,三维重建都在朝着更快、更精细和开销更低的方向演变。此外,近年来消费级深度传感器在三维重建系统中通常扮演扫描仪的角色。本文研究的重点是基于深度相机的室内实时稠密大尺度建模,将Kinect Fusion重建管线作为基础,对其中各个模块做出相应的算法改进,目的是为使整套三维重建系统具有更好的鲁棒性、更高的精度和更低的计算开销。本文将整体算法框架分为预处理、表面更新、表面渲染和位姿估计四个模块,并主要在以下方面作出了研究:1、面向稠密三维重建系统,更新了扫描工具。首先在研究Intel公司最新的RealSense系列相机的基础上,将其作为整个系统的输入设备,回避了Kinect系列深度相机体型过大且不便携等劣势。接着,对实时稠密大尺度重建的关键技术进行研究,分析了各自的优缺点后综合选择出本系统采用的技术。2、改进了TSDF模型的使用方式。首先将体素哈希技术用于三维数据的实时管理,向表面更新模块中加入了体素哈希算法。由于KinectFusion难于大尺度重建的瓶颈在于显存的限制,针对这一问题,我们设计出一个主存与显存的体素块交换框架和相应的交换规则,来使本文构建的系统更适用于大尺度的室内场景建模。此外,在渲染阶段提出了空间跳跃的寻找表面方式,来实现接近三倍的渲染加速。3、改进了相机跟踪流程。首先,将深度数据进行双边滤波处理以用作跟踪流程的输入端。其次,研究了点-面度量的迭代最近点跟踪算法,并在此基础上改进了一种跟踪精度评估方法。最后,引用并改进了局部子地图,为全局一致地图提供了基础。与KinectFusion的单个全局地图不同,本文将全局地图划分为局部子地图使得其可被打乱来减少闭环检测的错误,在场景增大时可保持活跃子地图数恒定。4、应用上述技术,构建了基于便携三维扫描仪的室内全场景三维重建的系统框架,进行了数据集仿真和实际场景的重建实验,并对结果进行了定性和定量的讨论分析。此外,本文还面向视觉供灰应用进行了扩展实验,将重建结果作为该应用的输入数据。移植实验表明,重建模型在视觉供灰应用中的计算误差低于10%,因此本文提出的方法具有较高的实践应用价值。