三维场景的感知与重建一直是计算机视觉的重要问题,也是真实环境中人机交互的基础。本文详细讨论视觉惯性里程计的设计架构与三维重建系统。使用视觉惯性里程计技术实现更为稳定的SLAM系统,并提出一种基于RGB-D数据的室内场景重建方法。分析其中潜在的不足并提出可能的改进方法。眼动追踪是重要的人机交互手段。传统的眼动追踪技术主要针对二维场景下的注视估计,这无法满足人类与真实三维环境交互的需求。本文总结和分析针对头戴式眼动仪的三维注视点检测方法。讨论这些方法中潜在的误差源和技术难点,并为设计轻量级三维注视线估计系统提供明确的改进方向。在此基础上,提出一种三维注视线估计方法。该方法直接将眼睛相机中的二维瞳孔位置映射到三维注视方向,而不需要从眼睛相机进行三维观察。本文通过融合头戴式眼动仪的注视线估计、视觉惯性里程计的头部位姿估计以及深度相机的环境点云数据,设计用于估计世界坐标系下的三维注视点的系统。相较于之前的方法,该方法可以在世界坐标下进行准确的估计并且对环境变化更为鲁棒。眼动数据可视化是分析眼动行为的重要工具。热度图作为一种可视化方法,可以十分直观地表达出观察者所注视的区域,但往往忽略了表达注视点转移的眼跳的信息。本文在原有热度图生成方法的基础上,提出新的基于眼动数据的动态热度图的生成方法。该方法使用注视点和眼跳的混合数据结构,并添加针对眼跳类型数据的热度图变形方法。使用本文方法生成的热度图在保持原有的显示注视区域功能的基础上,增加了指示注视区域转移的路径的功能。