三维点云拼接是逆向工程中一个非常关键的研究课题,如何构建精确、丰富的三维场景模型更是一个重要的研究领域。构建三维场景的方法也有很多,一般采用激光测距仪和深度相机,但是成本比较高并且标准的激光测距仪只能提供2D横截面,而且也不能提供丰富的纹理信息。最近处理深度测量传感器获取的数据的方法比较热门,主要归因于RGB-D相机的廉价性和良好的性能表现。例如由Prime Sense 和 Microsoft公司推出的Kinect就很好的改变了这种状况,使得3D相机在一个可以让人接受的价位。本文首先对传统的基于ICP算法的三维重建方法进行了分析,发现其直接将所有的点云数据进行处理效率不是很高,而本文主要采用的是RGB-D传感器,显然直接采用基于ICP算法的三维重建方法忽略了重要的RGB信息。在本文中,我们构建三维场景是通过跟踪视觉特征,如SIFT/SUR F。采用RANSAC优化由SVD得到的几何变换,将优化得到的几何变换用于点云的拼接。在此基础上,我们对视觉特征提取SURF算法进行改进,提出局部SURF算法。该局部SURF算法主要通过增加姿态测量传感器和里程计来实现,并对SURF和局部SURF的计算效率和效果进行了对比分析,局部SURF算法的效率高于SURF算法。并且基于局部SURF算法进行三维重建得到的变换矩阵,可进一步用于纠正相机的姿态。通过本文的研究工作,普通用户可以使用廉价的Kinect传感器连接电脑进行室内三维重建,而不必要去购买昂贵的深度摄像机。从实验结果来看,Kinect主要用于室内,精度相对于激光雷达精度较低,但是最终结果得到的三维重建虽然细节部分有些模糊,需要进一步优化,但整体形状基本清晰,基本满足日常需要。