随着机器人智能化的不断发展,三维重建技术在机器视觉领域得到了广泛的应用。自深度相机推出以来,利用RGBD深度相机进行三维重建成为了一种新方法。本文通过Kinect v2传感器获取室内场景的颜色信息和深度信息,构建出室内环境的三维模型。首先,获取相机的内外参数。采用棋盘格标定法对Kinect相机进行标定,得到彩色相机与深度相机的内外参数,推导出二者之间的位置关系,然后将采集的同一视角的彩色信息融合到对应的点云数据中。其次,对采集的深度图像进行预处理。三维重建所需要的点云数据是由Kinect传感器采集的深度信息得到的。由于传感器直接采集的深度图像含有噪声和空洞,所得到的点云数据中存在大量的深度误差值和无效值。为了得到更精确的重建结果,对采集到的深度图像的缺陷进行了分析,需要对深度图像进行修复。首先裁剪掉深度图像中边缘无效值,然后对空洞进行填充,接着使用基于RGB图像的联合双边滤波法进行修复。最后,对得到的三维点云数据进行去除离群点和降采样预处理。最后,对采集的点云数据进行配准。对传统的迭代最近点算法进行了分析和改进,针对传统ICP算法需要良好的初始配准,本文采用正态分布变换(Normal Distributions Transform,NDT)做初始配准,并对配准误差的目标函数进行优化,采用广义迭代最近点算法(GICP)做精确配准,完成室内场景点云数据的多帧配准。从实验结果的三维模型可以看出,本文提出的多步联合的深度图像修复方法和配准方法,在室内环境的三维重建工作中有一定的实际应用价值。在传感器精度的范围内,虽然三维模型的细节信息不够精确,但基本轮廓清晰,可以应用于日常生活。