三维环境重构和重定位一直是移动机器人研究领域的重要内容,也是移动机器人投入实际应用的前提和保障。由于三维激光雷达的测量精度高且不受光照等环境因素的影响,这使得激光雷达比视觉传感器具有更强的实用价值。因此,本文基于三维激光雷达数据主要研究了面向大范围环境的稀疏点云地图构建和重定位问题。针对点云地图生成问题,本文提出了一种稀疏三维点云地图生成方法,其利用轨迹点的曲率等约束条件进行激光雷达所在载体轨迹的稀疏化,再利用轨迹点与点云之间的时间同步关系得到稀疏三维点云地图。针对重定位问题,本文提出了一种面向大范围环境的三维点云重定位方法,其先利用二维投影进行快速相似性度量以得到先验地图中与当前场景相似的若干个候选场景,再通过三维相似性度量进行验证,从而在候选场景中找出与当前场景相似度最高的场景,最后通过配准算法在先验地图中完成重定位。本文使用大连理工大学校园数据集对本文提出的稀疏点云地图构建方法和重定位方法进行验证,并与已有的方法进行了对比。结果显示,本文提出的稀疏化方法克服了传统方法进行栅格化降采样造成的精度下降问题,并克服了拓扑地图非节点处不能定位的缺点;本文提出的重定位算法解决了基于特征提取或者滤波算法的方法时间和内存开销大的问题,保证了算法的实时性和内存效率,并且能够解决机器人在已有地图中的任意点启动问题。