准确的烧伤程度评估，对烧伤患者的治疗有着十分重要的影响。烧伤程度评价的主要依据是体表烧伤区域的面积，为了准确地对烧伤区域的面积进行计算，需要实现完整的三维人体表面重建。基于此，本课题研究的目标是实现基于三维人体重建的烧伤自动评估系统，该系统主要由数据获取，三维点云数据配准，烧伤区域提取、烧伤区域面积计算四个部分组成。本文主要研究其中的人体三维点云数据配准部分。针对传统的三维人体扫描方法和配准技术，不能较好的应用于本文所研究的系统的情况，本文提出了基于深度和彩色图像的人体三维点云数据配准算法，同时采用了低成本的Kinect作为人体扫描设备，降低了对实验设备的要求。本文首先对目前国内外已有的三维配准算法作了细致的学习研究，对三维配准的关键性技术与步骤作出了相关的阐述。然后根据本文提出的人体三维点云配准算法流程，按照数据获取、粗配准、精配准、模型优化的顺序阐述本文所作出的工作。在数据获取和预处理阶段，本文首先通过Kinect设备获得不同视角下人体RGB图和深度图，将其转化为点云数据，并详细介绍了洗牌算法、体素化网格两种均匀降采样方法和基于统计分析、双边滤波两种消噪算法。在粗配准阶段，本文详细介绍了基于人工交互四点算法，基于点特征直方图描述子和基于RGB图像和深度图像三种粗配准方法，本文实验采用基于RGB和深度图像的粗配准方法。该算法引入了SIFT(scale-invariant feature transform)特征描述子的二维特征点信息，实现了点云粗配准运算的降维处理，提高了配准的效率。同时，采用随机采样一致性(random sample consensus RANSAC)算法对匹配的特征点对进行提纯，为后续的点云精配准阶段提供了良好的初始位置。在精配准阶段，本文在研究现有的配准算法的基础上，对传统的ICP配准算法作出了改进。改进策略主要包括基于包围盒划定搜索空间，降采样，匹配点赋权，错误匹配点剔除，基于Kd-tree的搜索加速等。在模型优化阶段，本文采用基于距离阈值的方法对背景信息进行剔除，采用基于模板匹配的方法对目标物体的白色边缘进行剔除，并且对模型的累积误差进行优化。最后，针对本文介绍的技术路线，设计了人体三维点云数据配准的实验方案，证明了算法的可行性和有效性。实验结果表明，该算法在人体正面与侧面曲率变化大，重叠区域小的情况下能够比较准确地完成人体点云的配准。