随着计算机视觉、计算机图形学、光学等技术的发展,游戏动漫、影视、医疗、工业等行业对物体建模等逆向工程的应用需求不断增加,三维重建技术作为模型重构的核心技术得到人们越来越多的重视。点云重建是通过三维扫描设备扫描真实物体表面,并在计算机中构建它的虚拟三维模型。三维扫描设备获取的数据是在同一个空间坐标系下记录物体的几何特征和空间分布的三维点的集合。这些数据点之间不存在任何拓扑结构,三维点云重建就是将点云尽可能快而优地还原物体表面。本文对三维点云数据重建的关键技术进行了深度研究,包括点云精简、点云平滑、网格重建、孔洞修复、并创新性地在三维点云重建的基础上,加上时间维度和RGB色彩维度,实现五维点云重建。首先为了提高网格重建效率,采用了基于重心法的网格精简法,其思想就是建立一个可以包围所有点云的最小立方体网格,然后将此立方体等分成多个小的立方体,然后将每个立方体中所有点的重心作为新的采样点实现点云的精简。为了提高网格重建的质量,创新性的提出了改进的移动最小二乘平滑滤波法,该算法并不是像普通的MLS法将所有采样点全部迁移到拟合曲面内,而是在构建拟合曲面之后,计算采样点距离拟合曲面的距离,如果距离较大,算法将其视为大噪声则直接该删除采样点,实验结果表明该算法可以进一步提高点云精简率和重建效率,而不影响重建后的精度;然后采用基于区域增长的网格重建法,首先构建种子三角形,然后以初始三角片的边为边界边继续依据一定的规则向外扩展,直到构建完整曲面。实验结果表明此方法可以高质高效地完成点云曲面重建;最后对边界边上的采样点搜索邻域范围,采用移动最小二乘法构建拟合曲面并进行上采样,对上采样的点进行三角网格化,完成孔洞修复。通过深度相机和彩色相机的联合标定,获取各自的内参和外参,通过坐标变换解决了深度数据和彩色数据配准的问题,并通过相机的连续拍摄,就可以实时地获取彩色点云数据。根据彩色点云数据的空间坐标构建拓扑结构,根据RGB信息对重建后的物体表面进行贴图处理。实验表明该方法可以较好地实现深度和彩色数据的匹配,获取高质量的彩色点云数据。最后本文依据所提出的算法和标准设计并实现了可以实时处理彩色点云数据的五维重建系统,进一步验证了所提算法的可行性和高效性。