三维重建技术指的是通过计算机相关的技术与手段,将现实世界中的物体的三维信息在计算机上呈现出来。随着近年来新型深度采集设备的发展,To F（Time of Flight）深度相机凭借着其高实时性,体积小巧的优点,成为三维重建技术中的一个新的研究热点。本文使用To F相机为深度采集设备,以提高三维重建测精度和效率为目标,针对三维重建过程中的深度图像处理、三维点云数据预处理、点云配准以及点云融合等关键性问题展开研究,主要研究工作如下:首先针对相机内置算法对深度图像中飞行像素校正效果差的问题,采用了基于近似法向与视线夹角的飞行像素校正方法,首先采用双边滤波算法对深度图像进行滤波,平滑图像,同时改进法向计算方法,降低受噪声的影响。通过与本文使用相机内置方法进行实验比较,结果表明本文使用方法能够有效检测飞行像素并校正。然后在点云预处理上,对基于模型拟合的RANSAC（Random Sample Consensus,随机采样一致）平面分割算法进行了适用于本文实验环境的特定优化,利用平面背景的法线方向几乎一致、所有点位于平面背景上或者一侧以及点与相机原点的连线不会穿过平面背景的特性降低迭代次数,通过实验对比,证明本文的优化方法在本文的实验环境中有效提高了分割效率。本文将点云配准分为粗配准与精配准两部分。在粗配准阶段本文研究并提出了一种基于凹凸表面交界关键点的提取方法,该方法首先进行表面类型的判断,然后提取不同表面类型的边界点为关键点,再与快速点特征直方图相结合进行点云的粗配准,通过与其他关键点进行比较,结果表明本文提出的凹凸交界关键点具有良好的稳定性。精配准采用迭代最近点（Iterative Closest Point,ICP）算法,针对ICP算法目前存在的收敛较慢的问题,采用基于法向最近非重叠点对的匹配规则进行改进,并通过实验证明了改进后的方法有效提高了ICP算法的收敛速度。最后针对重叠区域点云多次融合导致细节丢失的问题,本文提出了一种基于边缘系数的加权最小二乘点云融合算法。该算法首先计算每个点的边缘系数,对点云边缘区域与重叠区域的交集部分的冗余点,根据其的边缘系数赋予不同权重,并采用加权最小二乘算法进行融合,对具有断层且具有同一重叠区域的多个点云进行融合实验,结果表明该方法在保证断层区域平滑连接的同时保留了内部重叠区域的细节信息。