房间布局重建是计算机视觉领域重要的研究课题,在室内场景理解中发挥重要的作用。布局重建任务旨在定位墙角三维坐标,重建三维房间布局。全景图的视场角（FoV）为360°,与透视图相比具有全局上下文优势,可以为布局重建提供完整的几何结构信息。最近,利用深度神经网络对全景图进行三维布局重建已经取得了很大的进展。然而,目前很多算法首先定位墙与地板边界和墙与天花板边界,再经过后处理得到墙角来重建房间布局,这导致预测结果冗余以及损失函数不能结合几何感知等限制。此外,最近研究大多使用双向长短期记忆网络（Bi-LSTM）来构建房间布局几何信息,但是Bi-LSTM不能很好地处理循环结构的全景特征序列,导致预测结果不连续。针对上述问题,本文对基于单张全景图的布局重建算法展开研究。主要研究内容如下:1.本文首次将房间布局表示为水平深度序列和一个房间高度值,并提出使用水平深度和房间高度组成的全向几何感知损失函数。同时,还提出使用墙面法向和法向梯度组成的平面几何感知损失函数来监督墙的平面特性和墙角的转折特性,进一步提高性能。2.本文提出一个有效的深度神经网络框架,其包含一个全景特征序列提取器和全景特征序列处理器。其中,特征序列处理器基于Transformer网络模型,由（移位）窗口模块和全局模块组成,增强局部和全局的几何关系。同时,针对循环结构的全景特征序列,提出对称的相对位置编码来增强Transformer在全景任务上的空间识别能力。此外,还提出一种通过添加遮挡检测而改进的后处理算法。3.在多个数据集上的实验表明,本文提出的损失函数和网络架构比目前大多数先进的算法取得更好的性能。消融实验验证了本文提出的各组件的有效性,包括房间布局表示、损失函数、网络结构、位置编码和后处理算法。