随着图像处理技术的不断发展,三维重建技术也一直是研究的热点与难点。基于激光扫描仪和结构光扫描仪的传统三维重建技术,不仅设备结构复杂、不易操作,而且价格昂贵、缺乏实时性。这些局限性制约着三维重建技术的普及和发展,迫切需要一种新的设备,可以实现低成本、易操作、高精度的三维建模。针对上述这些问题,本文采用消费级的Kinect深度传感器,实时地采集室内场景的数据,并生成相应的三维模型。本文具体的研究内容包括:(一)针对点云配准过程中存在错误匹配点对的问题,提出了一种基于点云几何特征的双阈值剔除算法。该方法依据点云的几何特征在刚体变换过程中具有平移旋转不变性,在初始匹配点集的基础上,借助k近邻方法,选取各查询点的两个近邻点,构成一个三点对;根据点间距离不变的特性,提取两片点云中近似全等的三点对,完成点对的初步筛选;在此基础上,采用曲面变分描述该三点集所在局部区域的几何特征,通过分析三点集的协方差矩阵,完成匹配点的最终筛选。实验结果表明,本文的方法适用于不同的点云数据,可以有效地剔除错误的匹配点,配准的结果更加精确。(二)基于KinectFusion的算法流程,本文构建了一个场景的实时三维重建系统并进行了相应的优化。针对原始系统中顶点估计方法存在粗略性的问题,本文结合点云的分布特性,通过解析样本顶点和相邻的四个采样点组成的点集的协方差,估计顶点的向量;针对点云配准过程中,每组对应点在求解变换参数过程中贡献度不同的问题,本文提出了确信度的概念,对符合条件的匹配点对赋予不同的确信度,以提高相机姿态追踪的稳定性;同时在数据融合过程中,优化了权重系数并融合了颜色信息,使得三维模型显得更真实;最后,利用MC算法生成可视化的彩色三维模型。