Kinect v2是微软公司推出的一款应用于体感游戏设备,由于其包含深度摄像机和较高精度的分辨率使得它可以作为三维重建数据的获取终端。微软研究院的Newcombe R A使用Kinect v1提出一套可以在不受光照条件下的室内场景的实时三维重建技术KinectFusion,但由于受到全局立方体和显存的限制,不能做大规模的重建。或者是从运动中恢复结构的SFM算法,需要大量的图片数据,否则只能获得稀疏的点云重建模型,对物体的细节不能精确地刻画。为了可以重建不受范围限制的场景和高还原度的三维物体模型,本文提出一套基于Kinect v2的三维重建系统,主要做了以下三个方面的工作。第一,针对场景重建,分析了Kinect v2获取深度图像的原理,说明深度图像噪声的来源。然后根据所获点云噪声分布特点设计一种算法对点云采样范围进行裁剪。其次对点云离群点进行去除,填补点云孔洞,以提高点云采样质量。常见的三维场景重建大都采用KinectFusion的一个全局立方体方案,但只能对小范围内的场景进行重建。对此设计了一种使用队列来控制场景大小的多对点云配准算法,打破了对重建场景大小的限制。第二,针对物体重建,首先使用Kinect v2获取包含物体所在场景的点云,去除离群点,并用三维包围盒将特定的物体点云从场景中分离出来。然后利用SAC-IA算法对相邻两片点云进行粗配准,将两两配准的ICP算法扩展到多片点云,对此提出了一种从两边向中间逼近的策略,来减少累积误差,提高物体点云还原度。最后实现一套低成本,精确的针对单个物体的三维重建系统。第三,提出一种在位置约束下使用二维图像信息即可将点云配准的算法。首先使用Kinect v2采集场景的彩色图像和对应的深度图像,然后将彩色图像与深度图像进行校准。接下来取两个不同位姿(平移或旋转)场景有公共部分校准后的彩色图像,利用SURF进行特征提取,寻找两幅图的对应点。然后计算两幅图的投影矩阵,通过相机内参矩阵将对应的深度图像转换为三维点云,利用点云的变换矩阵和投影矩阵的对应关系,在二维平面上求得旋转矩阵或平移向量t。最后提出一种可用于完整室内场景的三维重建算法。本文前面两部分所研究的对象都是点云数据,而第三部分换一种思路研究的是二维图像。通过设计实验验证了本文所设计的系统可以分别对场景和物体进行重建。实验结果证明使用本文提出的三维重建算法所重建出来的场景或物体具有很高的还原度,而且设备造价低廉,具体步骤简单易行,具有一定的实用价值。