目前学术圈出现了很多三维场景重建方法,但因传感器成本,应用范围大小等因素影响,很难将学术成果转化成生产力应用到项目中。激光雷达可在任何复杂环境下进行扫描采集能准确描述三维场景的激光点云数据,然而激光点云所描述的环境只有距离和强度信息,没有颜色纹理信息。而图像数据可通过运动相机进行采集,其具有丰富图像纹理信息,但不能描述深度信息,因此采用搭载激光雷达和运动相机的激光扫描仪采集数据并进行数据融合,已成为三维重建领域的研究重点。（1）构建了一种运动相机与激光雷达同步数据采集系统。该系统由激光雷达、运动相机、卫导和IMU等多种传感器构成。不同传感器的采样频率和时间误差有显著差异,该系统将笔记本电脑通过WiFi控制运动相机采集数据的算法集成到LOAM算法中,实现激光雷达开始采集数据的同时,运动相机也开始同步采集图像数据。然后将采集的激光点云和图像数据经过事后算法优化处理后实现数据融合。（2）设计了一种手动与自动相结合的激光点云数据分割方法。首先通过移动标定板来采集不同位置下标定板点云数据,并基于引导滤波点云算法实现点云滤波,接着基于ICP算法实现点云配准操作。然后先利用手动方法实现对标定板点云的分割,接着通过Kmeans聚类算法实现自动地对标定板点云的准确分割。最后通过点云中心迭代算法求解出标定板点云中心和各个角点坐标。（3）设计了一种基于LM算法的运动相机与激光雷达联合标定方法。首先通过OpenCV优化算法实现对运动相机采集的图像数据的畸变校正,并基于Hairrs算法识别求解出图像的角点坐标。然后将多组标定板点云角点坐标与相对应的图像角点像素坐标,通过直接线性变换法计算出两传感器间标定初值,并构造点云重投影坐标与图像像素坐标差值的最小二乘函数。与此同时,通过引入阻尼因子和降低基准值的方法对LM算法改进优化,利用改进后的LM算法对最小二乘函数进行非线性优化计算出最小值,进而求出优化后的联合标定结果。最后在数据融合系统下基于共线方程原理利用标定结果,通过图像像素点与点云单应性计算方法,求解激光点云坐标所对应的图像的像素坐标,并将图像的RGB值赋给相应的激光点云,最终实现点云图像融合的三维重建。经实验表明,标定结果与初值相比,重投影误差降低了35%,三维重建效果有了明显提高。