1、三維場景重建廣泛地應(yīng)用在移動機(jī)器人、無人機(jī)、無人駕駛、增強(qiáng)現(xiàn)實和虛擬現(xiàn)實等領(lǐng)域，有著重要的科研價值和應(yīng)用意義。
　　通過視覺同步定位與地圖創(chuàng)建（SLAM）來進(jìn)行三維場景重建的研究主要是：基于遞歸的貝葉斯概率估計理論的方法；基于關(guān)鍵幀和光束平差法捆綁調(diào)整的方法；基于圖優(yōu)化的方法。在基于單目視覺時主要有三大類困難：基于特征點的方法會牽涉到提取和匹配特征點時造成計算量大、精度低、無法準(zhǔn)確描述場景等問題；單目視覺固有的尺度模糊性、無法直接

2、獲取目標(biāo)物體的深度、長時間運(yùn)動后會有大的尺度漂移；實際場景中存在著相似物、遮擋、運(yùn)動物體等干擾，景深變化劇烈并且多閉環(huán)等情況。本文基于這三大類困難，對基于單目視覺SLAM的三維場景重建的算法和系統(tǒng)實現(xiàn)進(jìn)行了深入的研究。
　　本文在傳統(tǒng)的基于特征點的方案上使用改進(jìn)的特征描述符使得系統(tǒng)的魯棒性和持續(xù)跟蹤能力有了明顯的改善。在改進(jìn)的系統(tǒng)框架中：通過引入圖像金字塔和加權(quán)的高斯牛頓優(yōu)化方法使得算法的實時性比較理想；通過先在局部進(jìn)行半稠密的深

3、度圖的傳播和更新來形成局部地圖，然后剔除非必須關(guān)鍵幀并經(jīng)過擬合后融入到全局地圖中，使得系統(tǒng)準(zhǔn)確性和實時性都有所改善；通過結(jié)合Chow-Liu樹算法和詞袋模型先構(gòu)建詞匯樹來獲取外觀特征概率分布，然后計算當(dāng)前場景和所有特征在先前場景中的概率和匹配相似度來形成累積匹配序列并進(jìn)行場景相似性計算，使得閉環(huán)檢測得到實現(xiàn)；通過增加一個尺度自由度并結(jié)合圖優(yōu)化方法使得系統(tǒng)的精確性和尺度適應(yīng)性有了進(jìn)一步提高，整個系統(tǒng)框架通過三個線程來實時實現(xiàn)。最后通過實驗