目前场景三维建模常用的技术手段主要基于两种思想,正向思想和逆向思想。正向思想基于三维建模软件3ds Max、Maya、CAD等主流的建模软件,但是从想法到设计再到建模,所耗时间周期太长,成本高。逆向思想是基于传统的三维重建设备三维扫描仪,如激光扫描仪,双目立体视觉系统,TOF深度相机。这些三维扫描设备价格昂贵、设备结构复杂、采集数据量大、扫描时间长、实时性差、场景建模效果不理想。随着消费级深度相机Kinect的问世和普及,室内大场景的三维建模变得更加容易。但是Kinect获取深度数据受其本身硬件、环境光照条件和距离远近的限制,获取的深度数据往往带有噪声和空洞且几何深度信息缺失严重使得三维建模困难和不准确。此外,室内场景实时三维重建时还存在累计误差和错匹配问题,动态实时效果差,场景重建大小有限,无彩色纹理信息等问题。针对上述问题,本文开展基于Kinect的室内场景实时三维建模关键技术研究,提出一种基于消费级深度相机Kinect的低成本、高精度、实时性室内场景三维建模系统,解决深度数据的空洞修复,高精度多视点深度数据匹配、实时重建与场景更新等关键技术问题。本文工作主要包括:（1）搭建一套基于消费级深度相机Kinect的低成本、高精度、实时性的室内大场景三维建模软硬件系统。可在室内环境中移动采集场景信息,在Linux操作系统上完成室内场景的实时三维重建和运动轨迹的估计。（2）利用OPENNI驱动Kinect2深度相机获取室内场景的深度数据和彩色数据。对Kinect相机进行精确标定获取相机的参数以及红外相机与彩色相机的相对位置,将深度图和彩色图进行配准对齐生成三维彩色点云。分析了Kinect获取的深度数据存在大范围深度值缺失的原因和相应的解决办法,对比了高斯滤波、中值滤波,均值滤波,双边滤波这几种常用的深度图像滤波修复算法。提出了一种改进的深度图补全方法,研究基于空间相关性和颜色一致性约束填补深度图中的空洞,并利用双边滤波进一步修复与去噪。（3）在基于Kinect的室内大场景实时三维重建方案中,编写MFC应用程序测试了SIFT、SURF和ORB三种算法的特征检测与匹配的效果,考虑到动态场景实时建模,选用ORB算子运用到系统前端图像处理中。对ICP算法做了优化和改进,通过对深度数据进行精简和采样,四叉树结构进行对应点的索引,结合ORB与RANSAC算法进行特征检测与快速匹配,提高了特征检测与配准的效率。（4）随着室内场景三维扫描时间的增加,累计误差的积累会造成重叠、错匹配现象影响重建的室内场景整体效果。研究通过回环检测与全局优化减小累计误差提高配准的精度,扩展Kinect Fusion算法固定重建场景大小,对室内大场景进行实时三维重建与融合渲染。