三维重建技术是计算机视觉和图形学的一个重要组成部分,真实物体的三维重建在现实生活的各个领域,包括电子工业、建筑业、娱乐业、文化遗产数字化保护、计算机辅助医学等中都有着非常广泛的应用前景。对于点云数据的配准等处理方法的研究一直是三维模型重建的重点。尤其随着普及型三维扫描设备的不断推出,真实物体点云数据的获取变得越来越简单,但获得的数据具有低质高噪声等缺点。因此关于新型设备扫描下的点云数据处理方法研究对三维模型重建有着非常重要的意义。首先,本文针对Kinect深度相机扫描获取的点云数据量庞大、噪声较多的问题,提出一种特征保持的点云去噪和精简算法。该算法首先通过K-D树搜索目标点的最近点,并利用邻域最近点通过曲率估计算法得到该点的近似曲率值;接着使用K-means聚类算法对点云进行聚类,并根据点间的欧式距离和邻近点曲率变化进行噪声剔除;最后通过保持特征的点云精简算法对点云数据进行简化。其次,本文提出了一种基于二分法迭代的RGB-D数据点云配准方法。该方法首先使用标定物得到旋转平台与Kinect之间的相对关系;然后通过曲率特征对待匹配点云进行特征点提取并寻找与初始点云的对应点;随后,使用二分法迭代寻找绕中心轴的最优旋转角度,以满足点云间的最小圆弧距离平方和最小;最后,将多个角度获取的点云数据配准对齐到同一坐标系下并重建模型。最后,通过实验结果显示,特征保持的点云去噪和精简算法快速有效,对于去除大量外部噪声有良好效果,且精简后的点云数据保持了原始点云特征。本文提出的利用旋转平台重建物体三维模型的配准方法效率较高,算法鲁棒性较好,且拼接精度与ICP等方法相比有明显改善,取得了良好的重建效果。