目前,基于计算机视觉的场景重建技术主要用于工业测量、文物修复、室内场景重建等领域,与这些场合相比,月面情况比较复杂,具有低纹理非结构化的特点,不易于进行重建,而且相关研究较少。本文以月面虚拟现实遥操作机器人工作场景的重建为研究背景,利用RGB-D相机,对低纹理非结构化场景的重建技术进行了研究,主要工作和创新点如下:首先,通过对比,选择了基于RGB-D相机的重建方法作为本文研究方法。之后对Kinect相机进行了简单介绍。使用Open NI获取相机图像后,利用张正友标定法完成了相机参数的标定。其次,完成了Kinect深度图像噪声来源的分析工作。对传统的滤波方法进行分析,通过实验发现,它们对深度图像中的噪声处理能力较差。在深入分析滤波方法的去噪过程后,加入了屏蔽和截断效果对其进行改进,算法去噪能力明显改善。经过对比实验,选择了改进后的联合双边滤波方法作为本文的去噪方法。然后,分析了两种点云配准方法的原理,经过对比选择了基于点云的方法用于配准。针对包围盒降采样法导致点云中关键结构丢失的问题,在提取出特征区域点云后,分别对总体点云和特征区域点云进行包围盒大小不同的降采样,提高了了特征区域点云在配准过程中的占比,改善了配准的结果。通过实验对比,选择了法向投影法作为本文的对应点匹配方法。点云配准完成后,建立了相机位姿图,之后本文综合使用彩色图像和点云信息完成了回环检测工作。使用g2o框架实现了相机位姿优化,得到了实验过程中的相机轨迹图。在本部分末尾,通过在公开数据集上的实验,检测了本文方法求解的相机位姿的精度,验证了本文方法在室内环境的通用性。最后,对点云融合方法进行了改进,增强了其对低纹理非结构化场景的适应性,然后通过移动立方体方法生成了场景曲面。根据相机平移速度完成了图像排序,通过纹理映射方法为场景曲面加入了纹理。最终,在实验中对本文重建场景的尺寸进行检验,其与实际值的最大误差不超过3%,能够满足虚拟现实遥操作技术的要求。