随着信息技术的高速发展,场景的三维建模已经广泛的运用于城市国土规划、数字城区、虚拟博物馆、古建文物保护等重要领域。基于车载LIDAR (Light Detection And Ranging)的三维重建以其数据获取速度快、建模时间短、模型精度高、成本低廉等特点,在场景三维重建领域受到了高度的重视,并得以快速的发展。本文通过室内车载LIDAR采集系统得到激光传感器测量距离与移动机器人的位置和姿态,并经过转换计算得到室内场景的3D点云数据；通过室外车载LIDAR采集系统直接得到室外场景的3D点云数据。点云数据的处理流程如下：首先通过基于传感器本身精度、点云几何特征和扫描线的滤波方法对室内车载LIDAR数据进行滤波,以滤除室内堆放的杂物、板凳等物体形成的噪声点云；通过基于投影点密度和空间几何特征的滤波方法对室外车载LIDAR数据进行滤波,以滤除行人、树木等形成的噪声点云。然后,本文采用基于局部平面拟合的算法对完成噪声滤波的室内、室外车载LIDAR数据进行立面点云分割工作,将所有采集场景中的平面都单独分离出来并置于不同的点集合当中,以实现一个点集合中的点代表一个平面上的点的目的。最后,本文采用基于单一平面近似的三维重建和基于Delaunay三角网剖分的三维重建两种建模方法对各个平面点集合进行处理,得到各个平面的模型,进而将所有的平面模型整合,完成整个场景的三维重建工作,得到采集场景的几何模型,并对两种不同的三维重建方法从图形渲染速度、数据存储量、场景细节描述等方面进行了对比分析,得到了各自不同的特点。