深度摄像机的数据处理工作在图形图像及增强现实领域一直有很重要的作用。随着近年来低价的深度摄像机的产生,深度摄像机领域发生了重要的变革。Kinect等深度采集设备具有低廉的价格,实时的采集数据的能力,3d数据重建、跟踪、识别、分割等众多研究和应用领域都利用这种新型的设备而提出新的解决问题的策略。但是类似于Kinect等深度设备所采集的数据却具有相对明显的噪声以及数据缺损等问题,数据的不准确性使得其在许多领域的应用受到限制。众多研究者也针对该现象提出了各种不同的解决策略。本文首先分析了Kinect摄像机的成像原理并探讨其出现特有的数据缺损及不准确现象的原因,并进行了实验和观察,更加清晰地了解了Kinect获取的深度数据所存在的问题。接下来文中介绍了当前进行Kinect等类型深度数据修复的一些常用的策略和基础的理论知识,进而分析了不同策略的优点和缺点。在参考现有的一些优化方法的基础上,本文针对性地提出了一套Kinect的深度数据修复的算法流程。本文中的修复算法使用马尔可夫随机场优化框架进行求解,确保了全局的最优效果；在边缘提取的策略中,采用了图像金字塔以及张量投票的过程对传统的canny边缘提取算法进行了针对性的改进,在深度数据上进行处理,规避了传统方法的一些限制；在缺损区域填补方面,使用基于meanshift分割算法和平面拟合的策略,兼顾了效率与修复效果。通过实验结果的分析对比,可以验证本文的算法取得了优秀的修复效果。