本文提出一种基于随机蕨编码的三维重建方法,解决了KinectFusion算法中存在的重建范围小、缺少有效的重新定位策略及累计误差问题。针对KinectFusion算法中存在的累积误差和缺少有效的重新定位策略的问题,本文应用随机蕨编码构建了相机路径回环检测和重新定位策略。利用随机蕨编码提取每帧图像信息,通过计算Block HD(Block-wise Harming Distance)衡量当前帧与关键帧的相似性,进而找到相似关键帧。当检测到相机路径回环后,将检索到的关键帧所对应的相机位姿作为ICP配准的初值,从而减少长时间重建所产生的累积误差。当相机位姿估计失败时,利用相似关键帧关键帧对应的相机位姿,实现相机的重新定位。针对KinectFusion算法重建范围小的问题,通过将上述回环检测和重新定位策略与InfiniTAM相结合,并将其集成为一个模块,增加到InfiniTAM框架中,利用高效的数据结构,内存与显存之间的数据流交换,使得三维重建的范围有了很大的提升。与此同时,利用GPU的并行计算能力对随机蕨编码算法进行加速,保证了三维重建的实时性。本文采用慕尼黑工业大学TUM RGB-D Dataset数据集进行了对比实验。实验表明,本文提出的方法可以大大增加重建范围,在相机定位失败后有效地进行重新定位,同时减少了长时间重建产生的累积误差,使得三维重建的过程更加稳定,获得的相机位姿更加精确。