超级三维课堂是指利用三维重建,虚拟现实等技术提供三维沉浸式教学场景的教学方式。它将使得网络教学更具吸引力,是未来教学的新模态。重建完整的教室场景三维模型是开发实现超级三维课堂的前提和基础。RGB-D相机可以实时获取场景深度图像,能方便的用于室内场景的视觉三维重建。但是,由于教室场景光照环境复杂,获取的深度图像存在噪声和空洞,导致重建的三维模型存在孔洞。因此,针对复杂教室场景中采集到的深度图像进行修复,为三维重建提供更精确的数据,具有重要意义。为了重建更完整的教室场景三维模型,提出先利用深度图像显著性检测和阈值分割填补噪声区域再融合彩色图像边界检测与表面法线估计修复深度图像的方法。首先,通过深度图像显著性检测与阈值分割提取出深度图像中噪声区域的位置,利用检测结果对噪声区域进行填充。然后,通过训练卷积神经网络对彩色图像进行边界检测与表面法线估计,融合噪声填充后的深度图像、边界检测图和表面法线估计图进行全局优化修复原始深度图,完成深度信息的补全。为教室场景的三维重建提供更精确的数据,从而修复三维模型孔洞。然后将修复后的深度图像和对齐的彩色图像作为输入,采用截断符号距离模型进行三维重建,得到教室场景三维模型。最后对三维模型文件进行分析,实现三维模型的可视化与自由视点图像生成,并利用OpenGL进行三维模型的加载与渲染,提高三维模型可视化速度。通过RealSense D435采集教室场景数据集进行实验。实验结果表明,深度图像中噪声区域显著性检测准确率达90%以上,对比直接进行深度图像修复,加入噪声填充后修复效果更好,RMSE值可达0.1351。且深度图像修复后重建的三维模型孔洞也得以修复。三维模型可视化时间开销为70ms左右,已初步满足进行实时交互的要求。研究结果对需要环境三维信息的三维室内设计、室内机器人等领域也具有一定指导意义。