动态场景重建的最大优点是能同时捕获到物体的肢体运动和高精度的形体形变运动，由此得到的物体运动及形变数据具有很强的真实感。与传统的运动捕获方法相比，动态场景重构方法在数字娱乐、体育辅助训练和运动医疗康复等应用领域更具有显著的优势。然而，由于扫描系统的误差、物体肢体遮挡、形体复杂等原因，在动态场景下，采集的点云数据具有大量噪声以及缺失数据，为捕获对象的运动数据提取和表面重建、编辑造型带来了极大的困难。　　 在现实生活中，大部分物体在运动和变形时，在很大程度上保持其拓扑结构不变。曲线骨架能表示模型的拓扑结构，变形过程中曲线骨架的形状几乎保持不变。我们基于以上观察，提出了一种新算法，利用了一致骨架来建立时变点云的相关性，并将其用于指导重建三维几何模型的运动及形变。本文进行的主要创新性研究工作和取得的成果如下：　　 1)一致骨架提取算法：　　 我们提出了一种从时变点云中获取一致骨架和运动数据的一致骨架提取算法，该方法首先对每个时刻从点云数据中提取曲线骨架，然后通过定义骨架结点之间的关系矩阵，将骨架转换到谱空间，并综合利用谱空间和欧式空间内骨架的信息，求解对应骨架序列的图集合的集合平均图，最后，在骨架长度的一致性的约束下优化求解每一帧骨架结点的位置。该方法的优点在于：通过累积整个骨架序列的信息，排除了曲线骨架提取中的错误，一致骨架编码了捕获物体的全局运动信息；将四维点云注册的问题转换到了一维时间问题。　　 2)形体表面修复算法：　　 我们提出了一种基于一致骨架，利用累积时变点云中的重合信息和互补信息，通过累积相邻时刻点云信息以补全缺失数据的算法。该方法首先使用线性蒙皮模型(Linear Blend Skinning)，计算模型的运动参数和权重影响参数，实现任意两帧点云数据之间的姿势转移，然后处理每一帧，将其相邻数帧的点云变形至当前姿势，形成一个加厚完整的新的点云数据，最后在局部投影算子(LOP)[57]中引入点云中每点的置信度滤掉点云的噪声，并计算其表面接近。该方法的优点是采用了利用先整体再局部的思想，使用线性蒙皮模型来计算全局姿势的转移，然后基于局部投影算子来重构光顺完整的、与该帧原始扫描数据匹配的新的点云。　　 3)时空一致表面重建算法：　　 我们提出了一种从修复后的时变点云中重构网格动画的时空一致表面重建算法。该方法首先从补全后的时变点云的第一帧中构建一个初始的表面网格模板，然后沿时间轴方向进行匹配该模板，匹配后的模板为当前帧的重建结果。在匹配过程中，首先基于线性蒙皮插值模型，求解模型参数后，将模板到变形当前姿势，然后使用了一种迭代的方法来匹配细节。每次迭代中，利用局部投影算子来建立顶点位置约束，并基于拉普拉斯算子完成非刚性表面变形，该方法的优点在于重构的网格序列中具有帧间顶点对应关系；输出的网格动画，为后续的纹理贴图、运动数据压缩和网格序列的编辑等操作提供极大的便利。