计算机视觉技术的进步以及激光雷达、消费级RGB-D相机、双目相机的出现,促使三维重建技术在医疗卫生、机器人技术、电力巡检、虚拟现实、犯罪现场还原、建筑基坑施工等方面有着广泛应用。传统对单个物体的重建技术已日趋成熟,三维重建技术正朝大规模、大动态的场景重建方向发展。然而,以手持三维重建设备重建小规模场景的方式不适用于大规模、大动态、存在危险的场景。四旋翼无人机具有机动性强、灵活性大等优点,非常适合替代人工执行脏、危险、困难的任务,例如矿井巡检、隧道坍塌救援等任务。鉴于此,本文对基于深度相机的无人机三维场景重建技术展开研究,并搭建了可对场景实时重建的四旋翼无人机平台。本文主要完成以下工作:提出了一种场景导向式KD-tree点云滤波算法。传统点云滤波算法主要依赖于概率学模型假设,然而由于环境的复杂性导致噪声及离群点的分布并不完全服从于假设的模型,从而传统的滤波算法不能达到良好的滤波效果。另外,传统点云滤波算法通常需要对样本逐个遍历,因此耗时较高。针对这些问题,本文针对隧洞、走廊、矿井等场景的结构特点,提出了一种场景导向式KD-tree点云滤波算法。首先对点云下采样后计算其重心,再设定搜索半径阈值,最后依据所计算得到的重心及搜索半径结合KD-tree分割出场景结构并保留,从而达到滤波目的。采集了147帧RGB-D图像用于实验,从滤波效果和算法耗时两方面验证了所提出的算法。实验结果表明,提出的算法不仅具有良好的滤波效果,而且在算法的处理速度方面,相较于传统的半径滤波算法、统计滤波算法分别提高了4.8倍、14.2倍。以ORB-SLAM2系统为基础,基于ROS分布式计算框架构建了点云重建系统。系统主要分为三个节点,主要包括相机节点、位姿估计节点、重建节点。相机节点负责接入RGB-D相机并采集RGB-D图像,然后将RGB-D图像以话题形式发布;位姿估计节点运行ORB-SLAM2系统相机对位姿进行跟踪,并将位姿信息转换为里程计信息并发布话题;三维重建节点订阅RGB-D图像消息和里程计信息,将RGB-D图像转换为点云并滤除点云中的噪声及离群点,然后依据里程计信息提供的位姿将点云转换到世界坐标系下完成各帧点云的拼接,进而重建出场景的三维模型。搭建了无人机三维场景重建系统的硬件平台并完成了测试。首先设计了系统软硬件框架,基于设计的框架应用Rotor S四旋翼无人机仿真模型在gazebo下搭建了仿真环境对系统进行测试。然后,根据设计的框架确定了各个硬件模块,之后完成了实物搭建。其次,针对无人机桨叶遮挡相机采集的问题,采用有效区域裁剪的方法进行处理。最后,在实验室外部走廊进行了飞行实验,重建出了走廊的三维点云模型。