深度扫描设备的发展,使得点云成为三维物体的重要表示方式之一。点云分割是对点云进行分类得到目标点云的过程,广泛应用在机器人、逆向工程、虚拟现实、人机交互等领域,是近年来研究的热点课题。目前点云分割主要是作为大规模场景点云的预处理,且基于三角网格的方法众多,基于点云模型的方法较少。本文通过对建模得到的点云模型进行分割得到独立的目标点云,针对目前点云分割方法出现的过分割、欠分割、算法不通用等问题,论文提出了利用深度信息和颜色信息对点云模型进行目标提取的方法。改变ICP算法的配准过程,对采集得到的两帧背景点云分别进行配准,减少迭代次数,降低误差迭代,有效提高点云配准的精度。提出深度背景分割方法,参考背景减法,对深度值进行比较。因为三维物体的立体性造成的遮挡问题,需要多组准确的背景点云数据,点云的采集也至关重要。论文利用一台Kinect相机对三维物体进行旋转拍摄,可以得到多视角点云数据及两帧相对的背景点云数据。提出结合图像分割对点云模型进行目标分割。通过Grab Cut算法对颜色图像进行人工选取,得到目标物体的颜色信息,进而对点云模型遍历得到目标点云的准确侧面信息,然后结合三维物体的几何属性---法向量完成目标点云的融合,得到最终的点云模型。利用VS2013+OpenCV+PCL进行开发,验证论文提出的算法的有效性。实验结果表明,改变配准过程的二分双向配准方法减少了配准的迭代次数,进而降低了变换误差的迭代,提高了点云的配准精度。利用背景点云的深度信息可以有效的区分前景和背景点云,结合图像分割,利用颜色信息提取目标点云,在限定范围内对目标点云进行融合得到最终的完整目标点云。利用Grab Cut算法人为选取目标,算法灵活有效。