室内场景的布局恢复问题一直都是计算机视觉领域一个核心研究课题。早期人们对于室内场景布局恢复的研究,大多都借助于几何计算,但随着近几年来硬件技术水平的提高和深度学习理论的发展,神经网络算法也渐渐地在越来越多的图像处理问题得以应用。到目前为止,对于一般图像中室内场景布局恢复方法的研究已经有了显著的进展,但是对于全景图中室内场景布局恢复方法的研究却依然十分有限。这一方面是因为全景图具有非线性的特征,图像中大多数对象都存在着不同程度的扭曲,使得传统的图像处理方法难以被直接利用;另一方面则是全景图的全方位性,导致在进行全景图的处理时还需要考虑到不同方位之间的连续关系。然而,正是因为全景图具有这些特点,使用全景图来进行室内场景的布局恢复,才更能真正展示出房间的完整布局与结构,这在各种应用中都具有很大的优势。因此,本文的主要工作就是对基于全景图的室内场景的布局恢复问题进行研究,并提出了一种基于单张全景图的室内场景感知与重建方法。所提出的方法在现有的全景图处理与三维重建方法的基础上,力求仅通过单张室内场景的360°全景图来完成包含场景框架模型和物体模型在内的三维重建。本文的研究工作可以简要概括为以下几部分的内容:首先,借助特征提取算法对室内场景的全景图进行处理,得到整个房间的关键结构特征;然后,通过所提取的这些结构特征,完成场景的框架模型重建;其次,借助目标识别算法对全景图进行处理,得到场景中所有主要目标的位置和类别等信息,通过和模型比对的方法从模型库中检索合适的三维物体模型;最后,综合之前得到的框架模型和物体模型,完成整个室内场景的重建工作。本文的研究工作主要有以下三方面贡献:一是提出了一种针对全景图的目标识别算法,这一算法通过对普通的图像识别算法追加全景图处理模块,克服了全景图中目标对象不规则扭曲的问题,实现了针对全景图中对象的目标识别;二是提出了一种用于解决全景图中目标识别重复或错误的方法,这一方法通过引入负反馈机制,采用不断逼近正确目标对象的方法来规避识别中的问题;三是提出了一种场景重建中的模型摆放方法,该方法结合了几何推导与模型渲染等手段,实现了物体模型的合理安置。与常见的室内场景重建方法相比,本文所提出的方法既解决了通过普通透视图像重建时无法展示完整场景的问题,也弥补了目前基于全景图重建算法中无法与场景中的物体进行交互的缺点。同时,通过对训练数据集的调整,本文所研究的方法也可以被推广到许多其他的三维场景重建当中。