三维重建技术在建模及导航、人机交互、视觉监控、虚拟与现实、计算机辅助设计等诸多相关领域上有着广泛的应用前景。随着近几年RGBD(彩色图像+深度图像)相机的快速发展以及大众化,基于RGBD相机的三维重建技术逐渐成为当前研究的主流方向之一。当前对于非刚性目标的三维重建仍然存在着诸多问题。因此,本文主要针对非刚性目标三维重建展开相关研究,设计并完成一套非刚性目标三维重建系统。主要工作如下:(1)本文搭建了一套RGBD多相机光学采集系统,光学设备采用2019年微软发布的Azure Kinect DK相机。然后构建了RGBD多相机同步非刚性目标数据库,主要包括标定图像、非刚性目标图像(包括:头部、手臂运动等),总共含有3000多帧图像。此外,针对RGBD相机中获得的深度图像存在噪声问题,在本文数据集上研究分析了四种典型的滤波算法,并对比分析它们的运算速度和去噪效果。(2)针对RGBD多相机位姿初始标定中复杂度问题,本文研究了基于二维码与光束平差的RGBD多相机位姿标定及优化方法。该方法主要包括两部分:一是采用漫反射二维码标定板,研究分析二维码角点检测算法以及直接线性变换(Direct Linear Transform,DLT)算法,来鲁棒、快速求解RGBD多相机之间初始位姿;二是研究光束平差算法来对标定出的RGBD相机之间初始位姿做全局优化处理,来进一步降低相机之间位姿误差。(3)针对RGBD多相机精确配准问题,本文从三维点云角度研究RGBD多相机位姿精确标定方法,并提出了基于多维语义映射的迭代最近点(Iterative Closest Point,ICP)配准方法来解决视角偏差较大情况下相机精确配准问题。此外,在本文的数据库上定性和定量分析了点到点ICP算法、点到面ICP算法、颜色ICP算法的性能。根据实验分析结果,最终本文在颜色ICP算法基础上来求解RGBD多相机的精确位姿。(4)研究了基于屏蔽泊松与并行计算架构(Compute Unified Device Architecture,CUDA)的非刚性目标三维点云重建和表面纹理重建方法。在非刚性目标点云重建方面,通过计算成像理论、光线追踪方法以及CUDA并行计算技术,来实时重建非刚性目标的点云模型以及实时切换显示视角;在表面纹理重建方面,研究了屏蔽泊松表面重建与纹理映射方法,对重建出的点云数据先后做模型重建以及纹理映射处理。