三维重建技术是计算机视觉方面热门的研究方向,随着工业现代化的发展,也随之带来了一些潜在的问题,如劳动力短缺,特别是在工艺要求精度极高的领域,因此,精确的三维重建技术应用到智能机器人上来代替人眼进行高精度作业,有着非常重要的意义。首先,本文深入调研了三维重建技术发展现状,同时总结了深度相机采集获取深度图像和彩色图像经坐标变换转换为三维点云数据,后结合机器人进行手眼标定全过程。此外针对实际获取的三维点云数据内含有一定的噪声信息问题,本文总结了多种滤波算法,对比滤波处理结果,双边滤波算法具有较好的滤波效果。其次,根据配准时间和配准效果本文选取FPFH（Fast Point Feature Hisrograms）进行点云粗配准算法研究,以往在使用FPFH进行特征提取和点云配准时,需要人为设置预定值进行邻域半径的选择,具有随机性、低效性、不可靠性。针对这一问题本文提出了一种点云配准中自主选取邻域半径的FPFH特征提取算法。实验结果表明,该算法能够根据点云密度自主获取邻域半径,避免了冗余性,在提高自主性的同时配准精度也得到了提高。最后,本文针对传统ICP（Iterative Closest Points）算法配准效率低、错误对应点对多等问题提出了基于改进ICP算法的点云精配准算法,首先利用点云下采样对点云进行精简,减少配准过程中的点云数量;然后利用kd-tree加快点云搜索速率;最后利用RANSAC（Random Sample Consesus）算法去除误匹配点云对。实验验证表明,在保证配准精度的前提下,改进算法大大提高了配准效率。为验证改进FPFH算法和改进ICP算法的有效性,将改进算法得到的配准结果进行表面泊松重建,通过分析改进算法对整体三维重建技术的改进效果,对配准时间和配准误差进行对比分析。实验结果表明,本文提出的面向机器人智能抓取的三维重建改进算法在配准时间和配准效果方面都取得了令人满意的效果,且优于其他传统的三维重建算法。