随着几十年来计算机图形学、计算机视觉的迅速发展,3D场景包括人体的跟踪与重建变的越来越重要。如何快速便捷地得到动态场景下运动物体的精确三维模型在虚拟现实、计算机动画和游戏中是重要的一部分。本文设计了一套人体深度数据采集系统,并使用Kinect获取的动态人体深度序列重建三维人体模型,在点云的对应点估计、点云非刚性配准等方面做出如下工作:本文从由运动恢复结构算法思想(structuer from motion,SFM)出发,设计了基于分组重建的单台深度相机的人体三维重建系统,针对人体三维重建过程中的多个关键技术展开研究。为了消除环运动序列非刚性配准过程中的误差积累,采用最小圆弧距离和动态分割方法,将整个序列分割成若干段;局部非刚性束调整对齐每个段。然后采用全局优化方法结合各段,通过闭环约束处理漂移问题。局部非刚性束调整来精确地注册每个局部段并减少错误积累。针对由于点云重叠获取和配准过程中难以避免的错误匹配,本文局部段配准过程中利用圆弧最小距离和法向量结合搜索匹配点筛选得到最优匹配的点,提高配准精度。本文利用kinect最终生成动态对象的变形三维模型序列。实验表明,此方法可以在保持精度的情况下提升三维扫描速度,最终实验验证了本方法的可行性。