运动目标检测与场景重建作为视频监控和三维地图构建的关键技术,是进行实时导航避障与路径规划的基础。它们作为环境感知任务的子问题,与机器人、无人机、无人车、体感游戏等领域的发展密不可分,是人类智能生活的一部分。当前对该问题的研究多基于单一的视觉或激光传感器,受限于其视野范围、数据量、数据丰富度以及实时性和抗干扰性等局限,往往难以满足实时的多任务场景需求。本文以激光信息和视觉信息的相互补充与约束,设计了一个可以同时进行实时运动目标检测与场景重建的感知系统,并对上述两个子问题进行了深入研究。主要内容如下:1、对比分析了多传感器硬件平台Multisense-SL中激光与视觉传感器在各项性能上的差异,论证了两者的融合在动态场景感知问题上的合理性;并基于ROS软件平台的消息发布与订阅模式,设计了可以同时进行多项实时感知任务的融合框架。2、针对基于视觉的背景减除法进行的运动目标检测中的"背景显露区域"误判问题和三维前景提取的不完整性问题,提出了一种特征层下的融合运动目标检测算法。以基于视觉分拣出的激光前景点为启发信息,进行二维图像邻域搜索下的三维距离约束的前景聚类,同时得到了二维图像前景图和三维空间前景点云。在完整提取前景对象的同时有效的抑制了 "背景显露区域"的误判。3、针对激光与视觉数据底层融合的噪音问题和直接通过传感器间外标定关系配准的点云"失配现象",在进行场景的融合重建中进行了优化。在预处理阶段提出了视场约束、时效约束和遮挡约束,有效地滤除了绝大部分杂点;并在融合优化阶段提出了基于聚类的分片ICP配准矫正算法。较之整体配准下的矫正结果,本文所提算法在有效抑制偏离比(RP)"跑偏"现象的同时场景平均失配度(η)也降低了至少60%。