近年来,随着人工智能、智慧城市的快速发展,当前测绘技术发展的核心正在从室外逐步走向室内,对室内三维建模的需求也不断增强,例如BIM、室内导航、虚拟现实等。由于室内结构的复杂多样性,利用各种不同的传感器来获取室内建模数据已成为当前室内建模的主流趋势。目前,常用的室内场景三维建模手段主要有三维激光扫描仪,但是该传感器体积庞大且价格昂贵,性价比和效率相对不高,难以得到普及。传统的近景摄影测量方法可以通过相机拍摄的二维图像来恢复室内三维模型,然而该方法操作繁琐、数据处理复杂、费时费力,而且在纹理匮乏区域或者昏暗的室内环境中工作非常不稳定。因此发展一种低成本、快速响应环境变化、自动化程度高的三维建模方法具有重要意义。本研究定位于目前市面上几种低成本的消费级视觉传感器作为环境感知设备,如Kinect、Structure Sensor和Real Sense,对如何融合二维图像和深度图像构建室内三维点云以及快速自动的三维建模技术展开研究,同时设计并实现了一套三维点云数据处理及建模软件平台。本文研究内容分为以下几部分:1、阐述了RGB-D相机的工作原理,对比了市面上几种主流RGB-D传感器的特点。重点研究了如何通过RGB-D设备获取的二维图像和深度图像得到三维点云的基本原理,并基于设备采集的这两种图像数据进行室内三维点云生成实验。2、针对室内点云数据特点,提出了基于点线面等几何特征的自动建模方法,实现室内环境框架模型的自动建立。3、基于PCL,VTK和Qt技术进行室内点云数据处理及建模软件系统的开发与实现。从数据输入、点云数据管理、滤波、分割到三维重建,搭建了一套软件平台,实现室内场景的快速建模。