科技的迅猛发展促进了计算机软硬件技术飞速成长。人们要求更高质量的实物重现画面和服务以满足不同层次的需求。通过将三维扫描设备获取的多视角图像配准至统一坐标系,结合深度数据融合、建网和纹理映射等操作,最终能够重建出物体的逼真三维立体几何模型。其中,深度图像配准则是三维重建所面临的首要关键技术,其结果的优劣性将大大影响模型的最终效果。本文首先简要说明了基于深度图像的三维重建主要过程,接着阐述和分析了深度图像配准的基本原理和常用算法,并提出了改进的配准算法。迄今为止,深度图像配准领域应用最为广泛的是迭代最近点的ICP算法。而由于简易性和良好全局搜索能力,遗传算法亦被用于深度图像配准。由于ICP算法对初始位置有严格要求以避免收敛的不确定性和结果的不可靠性,本文根据ICP算法的原理和衍生算法的特点,提出了一种结合遗传算法的粗略配准和ICP算法的精细配准的算法来获取两个深度图像之间的精细配准。为了尽量避免传统遗传算法早熟,本文提出采用模拟退火算法改进的遗传算法,有条件地接受恶性解,保留部分非最优基因以逼近最优解,从而有效确保了遗传进化的多样性,缓解局部最优解的情况产生,使得算法最终尽可能成熟收敛于全局最优解。而后,本文将遗传算法的配准结果作为ICP算法的初始位置估计。通过查找公共区域、选取控制点和求解对应点对等操作,利用最小截断平方法改进ICP算法,进一步精细了遗传算法的粗略配准,完成了两个深度图像的精确配准。实验证明,改进后的ICP算法对待配准图像的初始位置没有要求,且提升了原始ICP算法的精度,具有良好的鲁棒性,完全能够自动化进行,脱离人工操作。根据总结课题的主要研究内容,在本文的结尾给出未来深入的研究方向。