近年来,计算机视觉发展迅速,三维重建技术作为其重要组成部分,也越来越受到人们的重视。三维重建是通过多幅图像重建出实际物体模型或者三维场景模型。目前,三维重建技术广泛应用于各种模拟场景和智能当中,如虚拟现实、机器人导航、现代医学等领域。由于广泛的应用需求,对于重建的灵活、简捷性和实时性的要求也越来越高。本文采用微软的Kinect设备获得室内场景的深度信息,再通过Robot的同步定位与地图创建(Simultaneous Localization and Mapping,SLAM)算法,实现室内场景的重构系统。主要研究工作有:首先,研究了 Kinect深度信息的获取原理和摄像机成像原理,针对切向畸变和径向畸变建立数学模型,并且对双摄像头间的几何关系建立模型。此外,还研究了 Kinect摄像机标定流程,经过标定获得效果比较理想。其次,研究了两种点云的获取方法。通过分析OpenCV的源码,使用OpenCV读取Kinect的深度图和彩色图,通过自定义的点云数据结构,合成点云数据。然后再通过OpenGL将点云数据显示出来,并且实现了放大,缩小和拖动等操作。通过与采用PCL获取点云数据的方法比较,在实时性方面相差不大,但是为了后边步骤的处理方便,本文最终选择第一种方法。再次,研究了基于点特征的主要特征提取匹配算法,如SIFT、SURF、FAST、KAZE、ORB等,并且利用RGB-D信息的优势,提高特征提取精确度,增加匹配的准确性。本文通过实时性和鲁棒性两个方面的分析和对比,发现采用FAST特征提取和FREAK描述的匹配方法在实时性和鲁棒性方面最为突出,所以本文提出将该法用到RGB-D SLAM中。本文还研究了点云的拼接技术,通过估计摄像机姿态对点云数据进行拼接。最后,研究了关键帧的筛选和基于图优化的回环检测方法。由于环境特征问题,当前帧与上一帧的匹配容易发生误判,造成误差积累的现象,通过对图优化原理的研究,发现在全局优化方面图优化具有较好的特性,所以本文采用图优化的方法对以往帧进行RGB-D SLAM快速回环检测。通过实验验证了回环检测能够有效地降低误差积累,而且满足实时重建的要求。