近年来，随着三维点云数据处理技术的发展，其中未知环境中自主定位，实现全局拼接有着广阔的发展前景。以往的拼接不能实现在未知环境中自主的进行特征点提取，自主完成点云数据的拼接，实现三维视图重现。而且针对点云数据数据量之大，多特征信息之多，利用全部的点云数据进行自主定位，其消耗的工作量是非常大的。而本文针对Kinect点云数据实现室内未知环境的自主定位进行研究，由于Kinect数据精度的限制，及现有的序列式拼接算法远远不能满足自动定位精度要求，因此，提出一种基于室内未知环境自主定位的自适应加权的快速扩展信息滤波模型，实现室内未知环境的同时定位与创建地图（SLAM）。本文基于Kinect采集设备在单目立体视觉及激光测距相机的数据融合进行室内自主定位并且进行三维重建的要求，针对不同特征信息对测站点位置姿态精度的不一致，对传统滤波模型进行改进，构建融合不同精度观测量的自适应加权快速扩展信息滤波模型。该模型是采用上海地铁隧道点云数据及Kinect深度影像生成的点云数据与摄像头采集影像两种数据源为实验数据。具体研究的内容包括以下方面：基于影像与BaySAC算法的点云拼接，用拼接转换参数作为信息滤波的系统状态信息向量；多特征信息（如室内特征点、墙面拟合面的法向量、边界线等信息）进行自适应性加权处理后，作为信息滤波中的观测模型的观测数据；根据多特征信息精度与测站点距离成反比的关系对特征信息进行分类，实现信息矩阵的稀疏化。本文采用Kinect采集的数据及隧道点云数据进行实验验证。实验包括：利用影像及BaySAC算法提取的特征点及根据拟合面或中轴线提取多特征信息，实现多特征信息提取及信息融合实现三维特征观测量加权实验；隧道中轴线自动提取与室内数据平面自动提取，采用整体加权最小二乘法拟合中轴线，提高观测值的精度；实现自适应加权的快速扩展信息滤波模型。实验结果表明，本文提出的未知环境自主定位的自适应加权的快速扩展信息滤波模型能够满足在未知环境中自主定位的要求，提高了在全局坐标系下的拼接精度；对Kinect点云数据的三维模型重建的要求基本上可以满足。