本世纪开始,随着新型交互设备如谷歌眼镜,iWatch,Kinect,LeapMotion的兴起,三维重建和渲染将广泛应用于虚拟现实领域。三维重建物体已经发展了很长一段时间,但对于扫描并重建人体有特有的难度,因为现有大多方法都是扫描刚性物体,即非形变物体,而人体很难在扫描期间保持静止不动。本研究致力于研究人体的3D拓扑重建及渲染,主要结合衣服的物理仿真应用在虚拟试穿场景。致力于在虚拟试穿应用场景中为每一位顾客建立属于自己的三维人体模型,完善网购的体验,不仅仅将试衣局限在试衣镜应用中服装的搭配上,更是延拓到尺寸匹配及推荐。本文提出了一个基于迭代最近点(ICP)的全局配准方法,并给出了一个融合多角度输入点云的系统方案。本文的实验将其应用到Kinect摄取的人体点云数据上,给出测试结果及分析。本文用Kinect采集人体下半身多角度输入点云数据:拍摄目标站在一个以固定角速度旋转的转台上,Kinect固定放置在转台前固定位置,调整定时器,摄像头连续拍摄,使转台旋转一周,以采集多幅RGB-D样本图像。本文改进了配准的方法,简化了常被用于闭环条件下的多角度配准的优化步骤,并在预处理及后处理处引入移动最小二乘平滑降采样和上采样滤除噪声并填补空洞,避免了常规全局优化求解过程中需要大规模的矩阵运算的迭代计算,提高了配准效率。对于移动最小二乘上采样和下采样过程,由于进行了大量的局部特征运算,引入了八叉树索引算法将MLS步骤进行了优化。过程中研究了 CUDA加速的主要原则及方法,并给出了 k邻域搜索并行优化方案。此外,本文还探究了布料仿真的基本原理及实现方法,为本文的立意——三维虚拟试衣打开思路,并讨论了几种常见布料仿真的实现效果及瓶颈。