三维重建技术是计算机视觉以及图形图像处理领域重要的研究方向,其在虚拟现实、机器人自主导航、工业自动化、逆向工程、医疗等方面有着广泛的应用前景。三维重建技术是通过计算机视觉和计算机图形图像处理等技术手段对现实场景进行数字化处理,进而在计算机中再现该场景的数字三维模型。近年来随着传感器技术、计算机视觉的发展,传统的二维图像不再满足人们对信息多样化的追求,三维重建技术逐渐成为热点研究问题。三维重建技术研究的重点在于对场景深度信息的获取和点云数据的处理,对深度信息采集方式的低成本化和点云数据处理的高效化成为了三维重建技术研究的重点。论文主要研究了使用微软Kinect传感器对室内场景进行三维重建的方法。Kinect传感器价格低廉,适用场景较为广泛,并且能够同时获取场景的深度信息和色彩信息,降低了三维重建数据采集的成本。在对室内场景进行三维重建过程中,重点研究了现有的适用于三维重建各个过程的算法,针对现有算法的不足之处进行了改进,实现了从数据采集到最后生成三维重建场景整个流程的算法。本文首先研究了Kinect传感器的工作原理,深度信息获取方式,以及摄像机标定原理和坐标变换关系,通过棋盘格算法完成了对Kinect传感器的标定。其次对适用于三维数据处理的大型开源编程库PCL点云库进行了论述,论文后续点云数据处理的算法皆以该开源库为基础,针对不足之处进行了优化。接着探究了点云的基本概念和存储方式以及点云滤波算法。在点云滤波算法中,研究了深度数据的滤波和点云数据的滤波两种方式。然后研究了在三维重建过程中的重要构成部分,点云配准算法。点云配准是将在不同视角下对同一场景获取到的多幅点云数据进行坐标变换,统一到同一坐标系下,把多幅点云数据配准为一个完整的点云数据。最后,对优化后的算法进行了实验验证,设计了Ubuntu系统下的基于Kinect的室内场景三维重建实验平台,完成了从Kinect驱动、数据获取、点云数据滤波、点云数据配准一整套算法流程。实验结果表明,本文的算法能够实现室内场景的三维重建,具有运行效率高、重建数据准确的特点。