三维重建是一项涉及计算机视觉与计算机图形学等多门学科的技术,其本质就是将现实世界的真实场景通过数字化手段再现出来。如今,该技术被广泛应用到智能驾驶、文物修复、影音娱乐等各个领域。商用深度相机如Kinect的出现使得低成本、高性价比、易操作的三维重建成为可能,然而受设备条件限制,由Kinect采集的深度图像会受噪声影响并出现空洞现象,此外深度图像转化为点云后进行配准时出现的误差也会影响模型精度。因此,本文将使用Kinect V2深度相机作为信息采集设备,对整个三维重建过程进行探究与改进,提出一种基于Kinect的实景三维重建方法。本文的主要创新内容如下:首先,针对深度图像空洞与噪声问题,提出了一种基于改进的加权模式滤波器与元胞自动机的深度图像修复算法。该算法利用边缘检测算子将深度图像划分为边缘区域与非边缘区域,针对两种区域分别采用改进的加权模式滤波器与元胞自动机在彩色图像的引导下对深度图像进行修复,有效地在填补深度图像空洞与抑制噪声的同时,保持深度图像边缘结构清晰。其次,针对点云配准问题,分别对粗配准与精配准过程做出了改进。利用点云的曲率特征建立多尺度特征描述符,根据特征描述符的角度与距离差异对点云进行对应关系聚类分块,对得到的具有对应关系的点云块使用RANSAC(Random Sample Consensus)算法求得点云分块的最优转换矩阵完成粗配准工作。最后,使用GMMTree(Gaussian Mixture Model Tree)算法将点云转化为概率模型完成精配准工作,通过构建一个自顶而下的混合高斯模型树分层次地划分空间,并使用深度优先搜索加剪枝将算法复杂度降至对数时间内,高效并准确地完成精配准工作。最后将配准生成的模型进行纹理映射生成具有三维纹理的几何模型。实验结果显示,本文提出的算法提升了深度图像修复与点云配准工作的质量。虽然Kinect V2本身的精度不高,但在传感器的精度范围以内,三维重建的模型基本轮廓清晰,可以将其应用于日常生活中实际场景的三维重建工作。