室内环境的真实三维模型是智能建造的关键。目前,室内环境下的三维重建工作通常由移动机器人或无人机完成,然而,在施工阶段的建筑室内存在大量移动机器人或无人机无法正常通过的区域,这导致了真实环境数据的缺失,使得后续作业无法进行。针对上述问题,本文提出了一种基于深度相机和IMU的室内环境手持重建方法。建筑施工人员在室内手持设备建图,从而弥补缺失的室内环境数据,保证正常作业。主要工作内容如下:（1）为满足室内环境建图精度的要求,结合建图环境与手持方式的特点,提出一种基于ORBSLAM3的RGB-D图像与IMU（Inertial Measurement Unit）信息融合的定位与建图算法。首先,通过构造虚拟右目的方式将原系统前端接口扩展为“深度相机-IMU”模式;然后,使用EPNP方法计算系统内初始帧的位姿;最后,利用RGB-D图像的尺度信息进行IMU初始化。经实验验证,本文算法与ORBSLAM3算法或轮式里程计相比,定位精度得到提升。（2）针对定位与建图中的稠密地图重建效率低和空间实时定位问题,本文设计了多深度相机稠密地图构建算法。首先,对多相机系统进行外参标定得到各个相机间的相对位姿;其次,主相机在局部地图构建线程的局部光束法平差阶段（Bundle Adjustment,BA）得到其相对于世界坐标系的位姿并进行稠密点云建图;之后借助相机间的相对位姿将主相机的位姿变换为其他副相机在世界坐标系下的位姿,然后其他副相机获得其在世界坐标系下的位姿后进行稠密建图工作,最终获得全局一致的稠密地图。最后,多相机系统外参标定实验结果表明,重投影误差方差小于,标定准确;同时,随着多相机稠密重建实验中相机个数的增加,全局一致的稠密点云地图构建范围得到明显增大。（3）针对本文定位算法产生的累计误差以及多深度相机标定的重投影误差对稠密点云地图精度的影响,本文提出了一种基于BIM（Building Information Modeling）模型的稠密点云地图评价与校准方法。首先,将BIM模型转化为BIM点云地图,以均方根误差为判定条件,将其与重建后的点云地图进行ICP（Iterative Closest Point）配准;以BIM模型数据作为真实值,在空间同一区域分别提取两种点云中具有平面特征的点云,在同一平面区域分别计算两种点云的法线及其夹角,并对重建点云的倾斜度进行评价与校准;然后,以点云坐标系z坐标值为基准,按照一定比例将对经过倾斜度校准后的两种点云分别转化为点云灰度图,并进行图像匹配,得到重建点云相对于BIM模型点云在位置和方向两个维度的误差,最后,对重建点云进行校准。