本研究聚焦于“三维室内场景理解及结构化模型重建”这一核心问题，针对室内场景语义理解与自动化建模中的关键挑战，开展了系统性的研究。重点探讨了多模态数据驱动的语义感知与理解、以及数据与参数双驱动的室内结构化模型快速重建两方面的关键技术。
在语义感知方面，针对室内场景中LiDAR、影像等多源数据的融合与语义解析难题，提出了跨模态少样本学习框架，显著提升了在有限样本条件下的模型泛化能力；设计了融合语义约束与多标记图割的算法，实现了高精度室内单房屋结构分割，为机器人等具身智能体提供了可靠的环境感知基础。在模型重建方面，针对室内复杂结构与异形构件导致建模效率低的问题，融合数据驱动与模型驱动方法，提出了基于图优化理论的室内结构重建技术，实现异形空间的快速、结构化重建；并引入参数化生成方法，支持典型室内元素的批量建模与优化调整。研究成果可有效支撑室内导航、通信仿真、机器人自主决策等应用。本研究为复杂室内场景的智能感知与高效重建提供了系统性的技术方案与实现路径。