目前基于点云的室内场景认知与理解遇到的难题主要包括：(1)实测点云的散乱性对于室内场景形状分割、场景分析及理解造成了严重影响；(2)缺乏从全局角度对室内场景的表达，尤其缺乏基于复杂几何形状的场景全局表达，妨碍了对场景的理解。为此，本文重点以普遍存在的散乱点云为处理对象,开展了室内场景认知与理解的相关研究，相关成果概括如下：
　　(1)提出一种基于切片的散乱点云数据规则化预处理方法
　　三维激光扫描设备产生的点云数据是一种包含了大量噪声和外点的散乱数据，一些经典形状分析及提取算法不能有效地直接应用于点云中。本文提出了一种简单有效的点云数据规则化预处理方法。该方法首先对输入点云模型进行切割处理，获得点云模型的切片(具有一定厚度的剖分体)；之后对切片进行投影处理，得到切片的二维投影点集；再对二维投影点集进行聚类处理，得到其子集；最后在各子集的形状拓扑控制下，对各个子集进行重采样，得到规则化点集。该方法为从原始的散乱点云数据中分析及提取形状奠定了基础。
　　(2)提出一种基于轮廓聚类的室内场景复杂形状构件提取方法
　　提取室内场景的构件并获取各个场景构件之间的空间拓扑关系是理解室内场景的一种重要途径。绝大多数现有方法都利用几何规则性来提取场景构件，不能有效解决复杂形状场景构件的提取问题。为此，本文提出了一种室内场景复杂形状构件提取方法。该方法核心思想是先获得室内场景点云模型的切片，并对切片进行投影处理获取切片的投影点集；之后对投影点集进行聚类及重采样处理，将投影点集转换为一组二维轮廓；最后根据形状相似性和空间连续性对来自不同切片的二维轮廓进行聚类来提取复杂形状的室内场景构件。该方法为复杂室内场景的表达及理解提供了支撑。
　　(3)提出一种基于形状拟合及模板匹配的室内场景理解方法
　　提出一种基于室内场景拓扑结构图表达形式的理解方法。该方法使用3D基本形状对室内场景的构件进行拟合，基于3D基本形状之间的近邻性建立室内场景的全局拓扑结构表达，同时建立几种由3D基本形状组成的典型室内场景的模板；再设计一种“树图-树图”的图匹配算法比较室内场景的拓扑结构图和给定场景模板之间的拓扑相似性，达到场景理解的目的。该方法对于存在数据缺失的室内场景是鲁棒的。实验结果证明了该方法的有效性。
　　(4)提出一种基于知识图谱的室内场景理解方法
　　提出一种基于室内场景的高级表达形式(知识图谱)的理解方法。该方法提取出场景中复杂形状构件并获取构件之间的拓扑关系，获得对场景的准确几何抽象；再结合人类先验知识将低级几何特征及拓扑关系映射为高级语义特征及语义联系，建立整个室内场景的知识图谱；最后基于知识图谱利用逻辑推理得到室内场景物体以及物体之间的空间关系及语义联系，实现对场景的理解。该方法借助人类先验知识赋予复杂几何形状更多的语义信息,可以提取出包括复杂形状物体在内的多种室内物体，并获取物体之间的多种空间关系，从而达到理解室内场景的目的。实验结果证明了该方法的有效性。
　　本文的研究成果为室内场景的认知与理解问题的研究提供了一种新的解决思路，为实现高级场景理解中的物体识别和整体布局理解、室内物体之间复杂三维空间关系的推理、复杂室内场景的理解奠定基础，并为点云场景的认知提供支持。