基于RGB-D的三维重建是近几年来最为广泛的研究方向,RGB-D相机的主要优点在于获取深度数据便捷,同时又可以获取彩色图像。但是由于相机的精度问题,导致采集到深度数据燥声严重,尤其对于树状结构物体,枝干连接较细部位出现数据丢失现象,严重影响后期的重建效果。在配准阶段,树状结构物体颜色单调统一,各枝叶形状相似,特征点提取困难,导致配准精度低。本文提出使用彩色图像的完整信息优化缺失的深度数据;提出使用目标边界点作为特征点进行点云粗配准。本文的主要研究内容包括数据采集与处理,基于彩色图像优化深度数据,基于边界点的特征匹配。由于树状结构物体三维重建研究较少,数据集不完善,同时本文研究需要同时使用彩色图像与深度数据,需要亲自进行树状结构物体的数据采集工作。使用Kinect深度相机的Kinect SDK进行数据的采集,并使用点云开发库将深度数据转换成点云数据文件。针对树状结构物体数据的燥声与缺失问题,本文提出使用彩色图像优化深度数据,通过计算彩色图像与深度数据的坐标映射,将彩色图像的像素坐标映射到点云空间中点的坐标,从而达到优化缺失深度数据的目的。针对树状结构物体点云的配准问题,本文考虑到边界轮廓同样能够表征物体的形状特征,提出使用边界点作为特征点进行点云的粗配准。