随着机器人学和计算机视觉理论的不断发展,同时定位和地图构建(Simultaneous Localization And Mapping,SLAM)技术在机器人定位与导航、VR/AR、人机交互、自动驾驶、场景重建等多个领域得到了广泛应用。其中,基于SLAM的三维重建方法,可以通过SLAM系统实时估计的位姿达到重建的要求。但是,这种方法对硬件水平有着很高的要求,一般都需要GPU的帮助。而在普通CPU 水平上,基于SLAM的稠密点云方法很难达到实时的效果,而且由于位姿估计的精度不够,点云质量也很难达到很高的水平。相对于传统的基于GPU的方法,本文在CPU水平上设计并实现了一个基于SLAM的离线优化和点云重建与提取的综合系统。本文主要围绕以下三个部分展开:1.基于关键帧的RGBD-SLAM系统的设计与实现。这部分是一个常规的视觉SLAM系统,它将关键帧的图像、位姿和回环信息记录下来,为离线优化做准备。2.离线优化和三维点云重建系统的设计与实现。这部分以SLAM系统记录的信息为输入,离线优化关键帧位姿,并重建出地图点云。3.基于交互式的点云分割与提取系统的设计和实现。这部分以QT软件的形式呈现,在地图云点建好之后,可以根据用户需要,准确提取出目标点云。综上所述,本文设计并实现的综合系统其实是基于关键帧的RGBD-SLAM系统、离线优化和三维点云重建系统以及基于交互式的点云分割与提取系统的组合。通过对最后点云重建的精度实验,验证了本文中各个关键部分的性能和作用。本文还在公开数据集上与其他先进的SLAM系统进行了对比,证明了本方法具有良好的准确性和可靠性,获得了令人满意的结果。