针对点云场景的语义理解是计算机图像学和立体视觉领域重要的研究问题。其中,解析场景中实体的语义信息在场景重建、虚拟现实、智能家居等方向有重要的应用价值。然而,现有点云场景理解方法大都只关注场景中实体的位置或类别,忽略了实体的形状。因此,论文基于现实场景中的复杂实体大都可由基本几何基元通过交、并、差等布尔操作来融合重构这一事实,提出了一种基于图匹配的场景理解框架,采用“先分割,再整合”的思想完成点云场景中实体的快速提取和重构。论文完成的主要工作包括邻接关系图的构建和基于图匹配的实体提取和重建。首先,构建邻接关系拓扑图。针对Kinect扫描获得的粗糙场景点云数据,首先利用体素化滤波方法进行数据规整和精简化处理;采用区域增长点云分割方法将场景点云数据根据局部形状特征划分成不同区域块;将各区域块作为基本面元,应用RANSAC方法估计其形状及面元参数,定义边界最小距离函数,根据不同区面元边界点集之间的距离大小来判断它们的邻接关系;以基本面元为顶点,面元之间的邻接关系为边构建点云场景邻接关系拓扑图。场景邻接关系拓扑图实现第一轮筛选,剔除了最不可能与当前结点所代表的区域块组成几何基元的其他区域块。其次,实现了基于图匹配的实体提取和重建。对标准的简单几何基元(长方体、球体、柱体、锥体),建立与场景邻接关系图类似的图模型,用无向图来表示基元各面片的邻接关系和位置关系;将场景邻接关系拓扑图与各基元图模型进行匹配,求取最大公共子图,并定义匹配度函数评价各匹配子图与对应基元图模型的相似程度;随后,根据匹配度和相关阈值选取最合适的顶点组生成对应几何基元,其中,几何基元的形状及位置参数由RANSAC提取所得的面元参数联合估计得到;最后,采用CSG方法将匹配的几何基元融合重构出场景中的各个实体。图匹配与顶点组的选择实现了后两轮筛选,最终确定了生成场景中实体的基元组合,重建出虚拟实体。通过四组包含不同实体的点云场景数据测试,证明本文方法,一方面在点云分割、表面形状提取过程中能有效的避免点云孔洞、稀疏点云等数据缺陷的影响,实现了较为准确的参数估计;另一方面,对于存在数据缺失的点云,亦可以利用有限的数据估计最优的实体形状,证明了方法鲁棒性和优越性。