三维表面重建技术通过获取的图像或图像序列来恢复目标物体的三维立体信息,在远程医疗、沉浸式虚拟交互、文物保护、3D打印等领域有着广阔的应用前景和商业价值。三维表面重建技术作为计算机视觉、增强现实以及新型人机交互等前沿领域的关键技术和研究热点,是人类在基础研究和应用研究中面临的重大挑战之一。近些年来随着新型深度采集设备的不断发展,基于主动式深度获取的三维场景表面重建技术成为新的研究热点。本文围绕提高三维场景表面重建模型的精度和尺度这一核心问题,针对三维场景重建过程中的深度图像预处理、点云配准、点云数据融合、深度摄像机重定位等问题进行研究,主要的创新点和贡献如下：1.在分析ToF深度摄像机的光学成像机制并建立误差数学模型的基础上,提出了一种基于加权最小二乘法(Weighted Least Squares)的去噪滤波算法来消除深度图像中的原始误差。实验结果表明本文提出的算法和主流的深度图像滤波算法相比,可有效消除ToF深度摄像机所捕获深度图像中的原始误差,并且保护深度图像中物体边缘区域的阶跃信息,提高深度测量的准确度。2.提出一种基于注视点变化的数据立方体移动算法实现递增式的三维场景表面重建,有效扩展了场景重建的空间尺度。为提升摄像机在大尺度空间场景中的追踪精度和鲁棒性,提出了一种改进的摄像机追踪优化算法,分别通过摄像机姿态的运动补偿、带有权重的ICP点云配准、摄像机姿态的多帧联合估计等方法对追踪过程进行优化,减小摄像机追踪过程中的误差累积。提出了一种基于八叉树森林的体素数据存取方法,在减少非场景表面区域体素冗余的同时提高场景表面区域的体素密度,实现了有限内存资源下的场景模型重建精度优化。3.为解决三维场景重建过程中存在的摄像机追踪丢失问题,提出了一种基于随机森林模型的深度摄像机重定位算法,可以快速高效地建立起二维图像像素点和三维世界坐标值的映射关系,在摄像机追踪失败时利用单帧RGB-D图像即可完成摄像机的重定位运算。相比于基于图像匹配的摄像机重定位算法,本文提出的算法节省了特征点检测、描述、匹配的时间,降低了匹配特征点对数量不足的风险,提高了摄像机重定位结果的精度和鲁棒性。