受相机运动轨迹、拍摄姿态、环境光照与遮挡以及场景自身的几何结构和纹理分布情况的影响，如何提高大规模场景三维重建的完整性和效率长期以来一直是三维重建领域的一个挑战和目标。论文围绕大规模场景重建的完整性和高效性，重点研究了基于多源数据的重建方法，特别是融合航拍图像、地面图像以及激光扫描数据的方法。论文的主要工作包括以下四个方面：

1. 针对大规模建筑场景三维重建中基于地面图像建模完整度不够而基于航拍图像建模缺乏建筑立面细节的问题，提出了一种基于稠密点云的航拍与地面点云对齐的大规模建筑场景完整建模方法。该方法采用由粗到精的流程实现航拍与地面稠密点云的对齐。为提高点云对齐的精度与效率，该方法通过对地面稠密点云进行投影的方式实现航拍视角图像的合成。在点云对齐的过程中，该方法从图像选取、合成与匹配三方面进行了改进，使得合成的图像分布均匀，噪声较小，可得到更多的匹配内点。实验结果表明，该方法可有效地实现航拍与地面模型的精确、高效对齐。

2. 针对基于稠密点云投影的点云对齐方法效率较低，合成图像噪声大、有孔洞，且通过估计相似变换实现点云对齐无法处理基于图像的建模中的场景漂移等问题，提出了一种基于稀疏点云的航拍与地面点云融合方法。该方法采用基于稀疏网格诱导单应的方式合成航拍视角图像，并采用捆绑调整的方式实现航拍与地面点云融合，在一定程度上缓解了场景漂移问题。另外，该方法采用基于几何一致性检验和几何模型验证的方式对匹配外点进行过滤，实现了航拍图像与合成图像的有效匹配。实验结果表明，该方法在点云融合精度与效率方面优于其它对比方法。

3. 针对基于图像建模依赖环境因素，精度较低而基于激光数据建模灵活性低，成本高的问题，提出了一种融合图像与激光数据的精确、完整建模方法。该方法首先对场景进行图像采集并建模，基于图像建模结果，综合考虑场景结构复杂程度、纹理丰富程度以及扫描位置分布情况，自动规划激光扫描位置。之后，该方法通过激光点云投影合成图像，并与采集图像进行匹配。基于获取的图像与激光数据之间的跨数据类型特征匹配，采用由粗到细的流程，实现图像与激光数据的融合。实验结果表明，该方法能有效地实现图像与激光数据的精确融合。

4. 针对室内场景结构复杂、纹理不丰富，基于图像的建模结果不完整、不精确的问题，提出了一种融合迷你飞行器与机器人数据的室内场景建模方法。该方法采用迷你飞行器采集图像构图，用于地面机器人路径规划并辅助机器人定位。为实现地面机器人的全局定位，该方法采用基于图割的方式合成机器人视角图像并将其与地面机器人采集的图像进行匹配。最后，通过融合迷你飞行器与地面机器人图像的方式，实现室内场景的精确、完整建模。实验结果表明，该方法可实现室内场景中地面机器人的精确定位以及场景的完整建模。