在计算机视觉和计算机图形学中,对三维重建的研究一直是一个热点,而且以低成本、快速、精确为目标向前发展。2010年微软公司开发的Kinect系列的深度相机,大大促进了低成本的三维重建的研究。本文就是围绕Kinect系列的第二代深度相机Kinect v2进行三维重建的研究,主要研究内容如下:（1）详细研究并介绍了 Kinect v2相机的工作原理和部件构成,对于Kinect V2测量输出的稳定性做了相关实验,将一个小型风扇固定在原Kinectv2相机后面的出风口,经实验表明,在加入了外部风扇之后,Kinectv2的输出更加稳定,且输出偏差大大降低。对Kinect v2相机利用张正友棋盘格标定法进行了相机标定,获取了彩色相机、红外传感器的内参矩阵,以及彩色相机相对于红外传感器的外参矩阵。（2）针对Kinect v2的深度图像的噪声问题,提出了一种改进的双边滤波,采用一个二值函数来替换双边滤波算法中的灰度域权值系数,大大提高了计算效率,并结合彩色图像对深度图像的空洞进行填补。之后将两者结合生成场景的三维点云,将点云以KD-tree的结构来存储,并对点云进行一系列的预处理操作,包括点云精简、离群点的移除和法向量的估计等。（3）针对连续视频流下的三维重建,需要将不同视角下的点云进行配准,在这里本论文提出了一种基于ISS关键点的二阶段点云配准算法,将整个配准过程分为初始粗配准阶段和精确配准阶段。在第一阶段本文利用点云的内在形状签名提取关键点,然后只计算关键点处的FPFH（Fast Point Feature Histograms,快速点特征直方图）邻域特征,之后利用采样一致性配准算法计算点云初始变换矩阵,对点云进行初始配准。在第二阶段本文采用改进的迭代最近点算法完成精确配准工作。最后对经过配准工作后的完整点云算法利用贪婪投影三角化算法进行了表面重建工作。