摘要：三维建模技术是计算机视觉领域一个重要的研究分支。这项技术不仅可以数字化现实生活中物体的外观特征,在计算机中构建虚拟的三维仿真场景,还可以根据物体的固有属性(质量、材质等),进行物理过程的仿真。本文所研究的基于深度图像数据的三维建模技术(Range Image Data Based3D Model Reconstruction Technology)基于使用结构光原理获得的深度图像来重构物体表面,相比于传统基于光程差技术(激光雷达、ToF相机等)的深度测量方案具有建模速度快、精度高,且设备价格低廉等优点。本文所采用的Kinect相机是微软公司基于结构光技术所开发的产品,能够对测量空间进行深度测量。为了将彩色相机与深度相机同步获取的图像进行配准,本文首先对Kinect相机进行标定,分别获取彩色相机与深度相机的内参矩阵以及两者之间的旋转和平移矩阵。然后根据标定获得的参数,配准两幅同步采集的图像,并利用彩色图像中具有相同颜色的像素点对深度图像中的空洞以及噪声进行滤波和修补处理。最后将修补后的深度图像转化为点云数据。本文通过改变相机的拍摄角度,将不同角度下拍摄获得的点云进行拼接,即可获得完整的物体表面点云图像。本文针对传统点云拼接方法：迭代邻近点(ICP)方法的不足,提出一种基于空间几何角的点云快速配准方法。该方法利用了连续深度图像转换获得点云之间存在位移较小的特点,使用三个具有代表性的配准平面来表示点云的姿态信息,并根据前一帧点云位置的先验信息来配准当前帧的点云数据。为了验证本算法的有效性,本文对采集得到的多幅点云图像分别使用迭代邻近点算法和本文提出的点云配准方法进行配准,通过比较两个算法获得配准结果的迭代步数与配准时间,证明了本文所设计的算法在配准连续的多帧点云数据的操作中具有更高的效率。为了完成物体表面的重建工作,本文根据拼接得到的建模物体表面点云信息,结合Delaunay三角化方法,并利用PCL点云库开发工具对物体的表面进行物体表面的重构,最终完成系统建模目标。图