基于直接法的大范围单目即时定位和地图构建(LSD-SLAM，Large-Scale Direct Monocular Simultaneous Localization and Mapping)即基于单目视觉传感器数据在未知环境下估计机器人位姿并重建环境场景，对这种不依赖于GPS的导航方法的研究是目前自主无人系统领域的研究热点。本文以LSD-SLAM为研究对象，对三维场景重建进行了研究。基于这个出发点主要完成了以下的研究工作。
　　首先，针对单目视觉SLAM系统，确定LSD-SLAM为本文研究对象。通过对比的方法选定了环境数据集，LSD-SLAM作为不依赖于特征的直接法，对全局图像像素进行处理，并实时创建了半稠密的三维地图；其次，针对LSD-SLAM输出的半密集点云图对于自主导航系统不适用的问题，根据反向传感器模型(ISM)可用于表征特定传感器的不确定性的特点，提出反向传感器模型与LSD-SLAM结合的方法实时创建占用栅格图；然后，通过比较几种典型的技术确定了具有全三维建模、可更新、灵活和紧凑优点的八叉树栅格图作为本文的三维环境重建手段。对已有的可用于单目视觉的高斯反向传感器模型分析讨论关键参数后，生成实时的三维八叉树占用栅格图。改进了Andert的针对立体视觉的测量反向传感器模型，深入的分析了改进的测量反向传感器模型的关键参数影响后，实现了改进的测量反向传感器模型的实时的八叉树占用栅格图；最后，从内存消耗、实时性、定性分析以及定量分析的角度将高斯反向模型三维建模同改进的测量反向模型三维建模进行了测试比较，分析了LSD-SLAM下的三维占用栅格地图的效果，并针对影响单目视觉系统三维建模的因素进行了研讨。
　　实验证明，LSD-SLAM完全可以和反向传感器模型结合创建准确的半稠密占用栅格图，用于自主导航。对于大型的数据集，高斯反向传感器模型的表现较好，对于小型数据集，改进的测量反向传感器模型完全可以替代高斯反向传感器模型，并且在低分辨率下的八叉树栅格图质量优于高斯反向传感器模型。