随着计算机视觉理论研究的深入和软硬件技术的发展，物体及人体三维模型越来越广泛的应用于科研与生产中，并日益受到人们的关注和重视。针对传统的三维建模设备存在的昂贵、复杂等问题，本文提出了一种基于Kinect传感器的物体及人体三维点云模型重建方法。主要研究内容如下：首先，阐述了本文研究背景及意义，总结了三维建模的研究现状，概述了本文的研究方法。并简述了Kinect的软硬件系统及其技术应用，分析了其深度图像的获取原理和转化为三维图像的方式。然后，分析了深度图像的噪声来源，并用多种滤波算法对其噪音进行实验对比和分析。介绍并对比基于背景差分法和阈值分割法的深度图像分割方式。最后，详细介绍了SIFT算法与SURF算法，并对比提取和匹配图像特征点的效率。采用ICP算法融合多角度下的三维点云图像，经RANSAC算法剔除错误点后得到物体完整的三维点云模型。并以实验对比本文方法与传统方法的优势，从多角度对本文方法进行误差分析。本文所提出的三维点云模型重建方法，能够满足复杂背景下的物体和人体点云模型重建要求，与传统设备及方法相比降低了三维建模的费用和难度。实验最终得到的三维点云模型的精度较高，并带有物体颜色与纹理信息，在实际生产中有着广阔的应用前景。