在过去几十年中,使用消费级RGB-D相机进行三维重建已经在计算机视觉、机器人技术和计算机图形学领域得到了广泛的研究。随着增强现实(Augmented Reality,AR)和虚拟现实(Virtual Reality,VR)的快速发展,出现了很多需要建立三维人体模型的应用,包括人体跟踪监视和生物识别等。其中,建立的三维人体模型不仅应该包括人体、头发和衣服的特定静态几何形状,还应该包含连贯的表面纹理。另外,随着搭载着RGB-D相机的iPhoneX系列手机的出现,以移动端作为输入设备实现三维人体重建也成为了可能。如何结合移动端迅速高效地获得以现实世界真实人体为对象的三维模型已经成为计算机图形学、计算机视觉等领域中一个热门的研究课题。本文基于SegmentedFusion在人体重建中将人体根据骨架信息进行分割后缝合重建的工作,在分割后的身体部分表面构建表面变形节点图,利用骨骼运动以及表面变形来跟踪重建人体的姿态变换,并且以此提出了基于人体骨骼的表面变形节点稠密翘曲场。进一步地,根据iPhone上RGB-D相机与主流深度相机Kinect的不同之处,本文提出了利用iPhone上的IMU进行预先相机姿态估计,将其作为后续ICP非线性迭代优化的初始值,从而减小了估计值的误差。同时,本文设计了由iPhone预处理到后台主运算双GPU并行处理的流水线,大大加快了三维重建的速度。通过实验证明,本文提出的基于人体骨骼的表面变形节点稠密翘曲场,有效地解决了人体三维重建时扭转运动的追踪问题,并且细化了表面变形的重建。测试数据表明,本文融合IMU相机姿态估计到ICP非线性迭代优化的方法有效降低了估计值误差,在保证了重建质量的前提下,完成了人体的实时三维重建。