随着计算机视觉技术和计算机图形学技术的发展,三维重建技术的应用领域从机器人导航和视觉检测等高端领域扩展到了虚拟现实、视觉模拟等领域,而且在文物保护、生物医学、建筑和机械的设计与制造方面也得到了广泛的应用。基于深度图像的三维重建技术相较于传统的建模技术效率更高,省时省力,而且可以恢复被测物体的三维几何信息,重建模型具有更高的真实性。本论文首先介绍了深度图像的概念等相关知识,以及由深度图像进行三维重建的流程,然后针对三维重建过程中的数据预处理、图像配准及三维重建技术进行了研究。本文研究内容如下：(1)数据预处理。本文从点云去噪和数据精简两个方面对数据预处理操作进行了研究。针对无序点云数据,论文提出了基于中值的k-d tree去噪算法,该方法在去除噪声点的同时,可有效保留原始数据的细节。在精简数据部分,本文采用结合随机采样和曲率采样的混合采样方法对点云数据进行简化,既保持了原始数据的特征,也有效降低了点云数据量。(2)深度图像的配准。深度图像的配准技术是三维重建工作中的重点。本文对遗传算法及ICP算法进行了分析研究,提出了一种新的配准思路。首先采用遗传算法进行初步配准,然后利用基于平方距离函数的ICP算法对初配准结果迭代求精。遗传算法具有强大的全局最优搜索能力,并具有较好的问题域的独立性和应用的鲁棒性,初配准可有效缩小两幅深度图像之间的位置差,提高ICP算法的稳定性。(3)三维重建。本文分析研究了常见三维重建方法,并详细阐述了Delaunay三角剖分原理及步骤。并介绍了拉普拉斯曲面平滑算法,该算法可有效降低重建表面粗糙度,提高重建效果。