三维重建是通过各种类型传感器获取场景信息,并利用计算机相关技术对获取的场景信息进行处理和分析,进而构建场景三维模型的技术。近年来,三维重建技术被广泛用于虚拟现实,工业安全生产,目标识别及生活服务等多个领域。但前人基于单目相机的三维重建方法具有一些不足和问题:一方面它需要移动相机来获取不同视角的场景信息,这在一定程度上增加了系统的时间复杂度,另一方面它通常仅仅适用于静态场景的三维重建。针对上述问题,本课题研究了面向多视角深度感知的三维人体点云实时重建系统。本文的主要工作如下:1)对Kinectv2相机的标定方法进行分析与选择。该部分首先详细阐述了相机成像模型以及相机标定的基本知识,其次简要介绍了传统的彩色和深度相机标定方法,并详细分析了各种标定方法的问题以及优缺点,然后针对张正友标定方法无法检测Kinect v2深度相机捕获的普通棋盘格图案的问题,本文设计了两种不同的标定棋盘格图案用来验证本文使用的Kinect v2深度相机标定方法的有效性,最后详细分析了多Kinect v2深度相机的标定方法及标定过程。2)提出了一种基于顺序填充框架的深度图像修复算法。该部分首先分析了 Kinect v2产生无效点的原因,其次简要分析了传统深度图像修复方法存在的不足,最后针对传统方法的不足,本文提出了基于顺序填充框架的深度图像修复算法。该方法首先进行Kinect v2彩色和深度图像的坐标变换,其次进行深度图像中无效点标记,然后基于顺序填充框架实现无效的优先级评估,最后利用假设验证的方法结合彩色图像完成无效点深度值的预测。3)设计并实现了多视角点云的生成与配准方法。该部分首先详细分析了点云的生成过程以及三维人体点云分割的方法—阈值法和基于Kinect v2人体骨骼流法,其次描述了三维点云配准的基本变换关系—旋转和平移,然后简要介绍了传统的点云配准方法—基于正态分布方法以及采样一致性的方法,最后针对传统点云配准方法实时不足的问题,本文设计并实现了基于标定参数的ICP算法,并通过实验对上述方法进行了对比分析。4)给出了本系统的设计方案与实验结果分析。该部分首先详细分析了深度相机的选型以及硬件的构成与配置,其次详细阐述了多模态图像的获取,图像预处理,数据通信,相机标定,三维点云生成与配准以及三维可视化等软件的具体实现,然后在此基础上,构建了本系统的整体技术路线图。最后分析了本系统的实时性以及本系统的可靠性。实验结果表明,本文提出的基于多视角深度感知的三维人体点云实时重建系统,能够较好的达到实时重建场景中目标人体的三维点云模型。与传统三维重建方法相比,本文提出的方法不仅达到了实时重建的目的,而且在一定程度上改善了由于场景遮挡带来的重建模型部分缺失的问题。