在日常生活中,人与环境中的物体进行大量复杂的交互。对人与物体的交互运动进行三维重建是计算机视觉和计算机图形学的重要研究内容,在动画、机器人、增强现实等领域具有广泛的应用价值。当前,人与物体交互运动重建技术在重建的空间范围、结果的完整性以及使用的简便性上仍有诸多限制。本文围绕基于深度相机的人与物体交互运动实时三维重建技术进行了深入的研究,提出了一系列创新算法,拓展了交互运动重建的空间范围,提升了重建结果的丰富度和完整性,简化了系统的要求,为交互运动重建技术的应用提供了有效的方法。本文的主要研究成果和创新点如下:（1）提出了基于模型分割的人与场景联合实时三维重建方法。针对大范围场景与高复杂度人体难以联合实时重建的难题,该方法设计了基于Sigmoid函数的相机运动和人体运动解耦算法,提出了基于配准残差和模型连通性的动静态模型分割方法,建立了对动静模型进行统一稀疏体素表达的混合体素分配机制,最终实现了人与场景的联合实时三维重建。该方法应用于人与物体的交互运动重建中有效地提升了交互运动重建的空间范围（从1.2m×1.2m×1.2m提升到4.9m×2.3m×2.0m）。（2）提出了基于双深度相机的手与物体交互运动实时三维重建方法。针对手与物体交互运动复杂、物体几何多变带来的高维求解难题和手物互遮挡带来的数据缺失难题,该方法设计了双深度相机对视采集方案并提出了基于标准几何体的快速标定方法,构建了物体运动跟踪的轮廓约束和变刚性约束,并建模了手与物体的交互作用,最终实现了交互过程中人手姿态信息、物体几何信息、物体刚性运动和非刚性变形信息的实时三维重建,提升了交互运动重建结果的丰富度和完整性。（3）在使用双深度相机实现交互运动重建的基础上,本文进一步提出了基于单深度相机的交互运动实时三维重建方法。针对单视角下严重的手物互遮挡问题,该方法提出了人手三维关键点预测和手物数据分割的联合学习神经网络,构建了包含人手三维关键点标注及手物分割标注的真实数据集,并为物体重建提出了手物切向接触约束,最终在不降低重建结果质量的同时提高了交互运动重建系统的鲁棒性和易用性。