场景的三维拓扑结构对场景的理解和重建至关重要,一直是计算机视觉领域的研究重点,其在房地产和家具设计等行业中非常具有应用前景。近年来随着深度学习,人工智能的飞速发展,如何结合深度学习的方法来更好的解决这一问题成为了众多研究人员关注的热点问题。在本文中,我们提出了一种用于从单个二维图像重建室内场景的三维拓扑结构的完全自动的解决方案。基于我们目前已有的了解,这是第一个全自动实现室内场景下基于单张二维图像的场景三维拓扑结果重建的技术。我们提出的方法包含三个关键算法模块:(1)文中提出了一种新的全卷积神经网络,实现网络可以仅通过一个训练过程便直接识别得到组成房间二维拓扑的三类交线的位置,同时很大程度地提升了对交线位置识别的质量。(2)文中提出了一种新的二维拓扑节点优化算法(Topology anchor points optimization),用于自动识别输入图像的布局拓扑,使用卷积神经网络提取得到特征对拓扑结构进行优化调整。(3)文中提出了一种场景三维拓扑重建算法,仅利用二维拓扑节点信息进行具有等式约束和非等式约束的非线性优化,以重建最终的场景三维布局。为了验证我们提出算法的鲁棒性和有效性,我们在公共数据集LSUN,Hedau和3DGP上分别进行了较为完整的实验证明,通过得到结果的对比可以定性地对方法效果进行评价,通过计算结果的平均像素误差可以定量地评价算法性能。实验结果表明,该方法可以处理不同图像中的不同布局拓扑,且可以在各种图像上实现精确的三维拓扑重建,同近年来领域内的工作对比有明显提升。