场景流估计是当前科学界与工业界均给予关注的热门领域,在三维场景理解、场景动态重建等领域具有重要的作用。场景流描述了场景点和摄像机之间的相对运动形成的三维运动场,其本质是光流在三维空间的扩展,相对于光流,场景流能够更加真实、全面的表示场景的运动场,为计算机视觉系统提供更加丰富的场景动态信息。然而,由于求解空间尺度较大,用稠密运动场表示的场景流计算成本是巨大的,故鲜有实时求解的方法。此外,场景流通常借助其对应的光流图像进行可视化,但这种方式无法直观显示场景的三维运动场。因此,本文基于TOF相机设计并实现了一套运动估计软件,该软件分为图像读取模块、场景流估计模块、可视化模块,其中图像读取模块主要用于读取TOF相机采集的RGB-D视频帧。针对场景流估计模块,本文提出了一种改进的基于RGB-D图像序列的场景流估计算法,该算法能够对相机运动和场景流进行联合估计。算法的核心是对场景进行双重分割,首先利用本文提出的基于K-Means的场景分割优化算法将场景划分为几何簇,将每一簇视为刚体,极大的简化了场景流估计问题;然后将场景分割为背景区域和运动区域,所有分割为背景的簇被用于相机运动的细化,并且单独计算每一个运动簇对应的刚体运动,进而得到其对应的场景流。将本文提出的算法与几种最先进的传统场景流估计算法进行比较,结果表明,该方法能够在保持较高实时性的同时提高场景流估计精度。针对可视化模块,本文根据场景点坐标及对应的场景流创建VTK数据集并搭建VTK可视化管线,实现了场景流的可视化。这能够帮助用户对运动物体的运动状态做出准确判断,也为场景流估计算法的优化提供了依据。