基于视觉的三维重建是指通过相机等传感器获取场景物体的数据图像，并对此图像进行分析处理，再结合计算机视觉知识推导出现实场景物体的三维信息。三维重建一直以来就是计算机视觉和计算机图形领域的前沿重点研究课题之一，该技术也被广泛地应用于生活、娱乐和服务中，比如3D打印、游戏研发和影视制作等。然而，基于多相机系统的三维重建具有成本高昂、操作复杂和维护困难等缺点，难以在现实生活中得到广泛应用，因此基于单相机系统的三维重建技术成为该领域研究的主流方向。于是本文提出了一种基于单相机的大动作运动物体非同时多视角采集与重建方法，实现便捷地以较低成本重建出运动物体完整的三维模型，其创新点如下。
　　(1)本文提出了一种多个视角下的模型之间全局非刚性配准方法，该方法避免了传统上由于误差累积产生的漂移问题，并且在对齐过程中对噪声和离群值有着很好的鲁棒性，同时适用于视角相对稀疏情况下的全局非刚性配准问题。
　　(2)本文在全局非刚性配准框架中设置点到点和点到面的双重距离约束，有效地减弱了相邻视角之间错误对应关系带来的不利影响。
　　(3)本文在全局非刚性配准能量函数中引入ACAP约束项，可以保持三维模型在非刚性变形中三角面片的角度尽量不变，从而很好地避免了三维模型失真问题和维持三维模型的局部结构。
　　(4)本文在数据项和平滑项设置了随迭代更新的权重，以便更好地逼近L0范数来增强其框架的稀疏性，从而减小最终的配准误差。
　　在对比实验的定性和定量评估中，本文方法无论是在公共数据集上还是在用深度相机采集的真实数据集上，都取得了比其他方法更好的配准效果。