移动设备上的室内场景在线三维重建是计算机视觉领域一个重要的研究方向。本文针对基于RGB-D 的移动设备上在线三维重建问题进行了系统研究，特别是对相机鲁棒跟踪和室内场景快速三维重建以及系统实现问题进行了深入研究，主要工作和贡献有以下三方面:

      1. 针对基于点到平面ICP 的相机跟踪算法在几何特征比较少的场景中求解不稳定的问题，提出了一种几何稳定的相机跟踪与三维重建方法。主要贡献包括三方面：分析了ICP 算法求解不稳定的原因并提出了基于几何稳定性的三维点采样方法，实现了在几何特征较少的场景中鲁棒的相机跟踪；提出基于ICP 协方差矩阵条件数的ICP 与IMU 数据融合策略，能够有效地提高相机的跟踪精度；基于深度噪声标准差自适应的确定体数据融合的截断区间，使得重建模型可以有效保持几何细节。本文方法在iPad Air 2 上能够达到20Hz 的处理速度。在ICL-NUIM 数据集上本文方法能够取得较高的相机跟踪精度和三维重建精度，特别是在几何特征比较少的序列上，相机跟踪精度比其他主流方法至少提升35%。

       2. 针对现有的三维重建方法在移动设备上占用内存过多的问题，提出基于平面先验的高效利用内存的高精度三维重建方法。主要特点有：提出了基于深度梯度的快速平面检测方法并对深度图平面区域降噪，提高了平面区域的重建精度；提出了基于像素与平面的空间关系的相机跟踪残差自适应加权方法，提高了相机跟踪的鲁棒性；提出了基于平面先验信息自适应的设置截断区间和最远融合距离，有效减少了深度噪声对应的内存占用。本文方法在iPad Air 2 上可以达到8Hz 的处理速度。与其他主流方法相比，本文方法在真实室内场景能够平均节省30% 的内存占用，同时能够得到更高的三维重建精度。

      3. 针对现有的移动设备上在线三维重建系统只能重建静态场景的问题，提出了在移动设备上对动态场景中的静态背景进行在线三维重建的方法和系统。主要贡献有：提出了基于特征点补偿深度差直方图的前背景分割方法，并使用静态背景估计相机姿态，实现了移动设备上高效的前背景分割与鲁棒的相机跟踪；提出了动态前景对应的体素滤除方法，减少了重建模型中由物体运动导致的失真；首次构建了在移动设备上能够处理动态场景的三维重建系统。本文方法在iPad Air 2 上可以达到8Hz 的处理速度，在TUM RGB-D 数据集上，在相机跟踪精度基本相同的情况下，计算效率比其他主流的处理动态场景的方法提升了30% 并能生成更高质量的三维模型。