物体重建技术在动画制作、产品CAD、医学影像等领域有广泛的应用。随着RGB-D(色彩-图像)相机的普及,基于RGBD的三维重建技术正逐渐成为目前研究的主流方向。但是现在的三维重建技术不完全适用于柔性可变形物体。由于模型的自遮挡等因素,单次三维重建的结果存在模型不完整的问题;且不能很好地反映柔性物体的易形变特性。本文研究形变中柔性物体的动态重建,以捕捉柔性物体的形变特性。提出了基于自完善模板的柔性可变形物体序列重建方案。自完善模板是一种能够从形变的柔性物体中不断完善几何和色彩信息的三维模板。序列重建是指重建出多个时刻的三维几何模型,并实现不同帧三维几何模型之间的网格结构统一。这些模型一方面能够表达更加完整的物体信息,另一方面还能表达柔性物体的动态形变信息,从而可以更好地展现物体的几何结构和物理特性。本文的主要工作如下:实现了基于多相机的三维重建方案。利用多个RGBD相机进行多个时刻物体模型的重建。搭建了圆形阵列的多角度数据采集系统,采集柔性物体表面信息。重建的步骤包括数据预处理、点云融合、网格生成、纹理生成。对现有三维重建方案中存在的深度图像噪声大、前背景混淆、纹理不清晰问题,做出以下改进:使用平均图像进行滤波,在去除噪声的同时,能够更好地保留物体细节;基于区域生长算法分割背景,可以准确的提取出前景物体;基于ABF++算法重建纹理,从多角度的色彩图像中提取颜色信息,生成连续清晰的纹理。提出了基于自完善模板的序列重建方案。三维重建得到的单个模型所包含信息是不完整的,但是对多种形变状态的柔性物体进行重建,将包含更多的信息,因此提出了自完善模板来整合多个模型中的信息。利用任意模型初始化模板,再逐渐将物体形变过程中获取的几何和色彩信息融合到模板中,完善模板的形状和色彩信息。再利用模板拟合序列帧数据,得到信息完整、结构一致的序列帧模型,实现序列重建。以典型柔性物体服装为例,由能模拟不同人体体形的试衣机器人驱动服装形变,给出了序列重建实例。并探索序列重建的应用,设计了一个简单的虚拟试衣方案。通过建立人体特征尺寸和服装模型的关联,当用户输入一组人体特征尺寸之后,系统使服装产生与人体形体对应的形变。