近随着城市发展，尤其是深圳市这种大型城市，建筑物结构复杂程度越来越高、建筑物数量大 量增加，建筑物内部空间也不断扩大。人类 80%-90%的时间在室内空间活动，尤其是交通枢纽、大 型会场、地下空间等类型的人员聚集与危险场所，人员聚集引发突发危机事件造成的安全威胁形 式日趋严峻，极大程度增加室内空间复杂事件的防范难度，同时，如何实现精准化人口与户籍管 理、建筑物分层到户管理等问题也亟待解决。近年来，全国各大城市正积极开展城市精细化管理、 可视化城市空间数字平台建设以及大数据中心建设，其中室内精细模型以及分层到户建筑物模型重 建将成为重要建设内容，例如针对全市范围重要交通枢纽、公共设施精细建模、对具有产权登记建 筑物进行分层分户以及精细化建模等。传统的手工建模方式主要基于建筑物原有的竣工测量 CAD 数据或者现场调查数据进行手工描绘，构建建筑物结构模型，该方法建模效率低、人工成本高， 同时由于数据缺失以及原始数据现势性差等问题，其建模精度以及模型准确性也无法保证。近年 来基于移动测量的三维点云数据进行具有语义信息的室内三维模型自动重建成为国内外研究热点 问题，该方法具有建模速度快、精度有保证同时可对不同时期建筑物模型进行动态建模以及更新等 优势。因此本研究拟结合智慧城市中建筑精细化管理、可视化城市空间数字平台建设以及大数据中 心建设中建筑信息模型（BIM）建模需求，以空间地理信息与计算机视觉技术为核心基础，以实现 建筑物全生命周期管理以及提升室内场景应急响应能力为目标，提出基于基于多 RGB-D 数据的全 卷积神经网络（FCN）场景语义分类与 BIM 模型自动化三维重建技术，研究多传感器协同测图过程 中多传感器校正与数据流同步、相机姿态更新及相机轨迹漂移等关键问题；研究室内 BIM 模型自 动化三维重建方法中基于深度学习的 BIM 关键结构提取以及 BIM 模型自动三维重建等关键问题， 具有重要的研究意义和实用价值。