本文基于微软推出的Kinect体感摄像头对室内场景进行三维重建的研究工作。Kinect能够同步地获取深度和彩色信息，并以30帧/秒的速率连续输出，这些特点使得三维重建技术具有现实应用性。首先，利用OpenNI驱动Kinect获取三维场景数据流，在PCL（Point Cloud Library）平台上结合OpenCV计算机视觉库，基于棋盘标定板算法完成了相机标定，最终生成室内场景的三维点云结构。由于原始场景深度图的噪声较大，所得到的点云文件中的深度数据包含大量的无效值，表现为灰度图像中的大量“孔洞”，以“nan”值标识。为了提高重建的质量，需要对深度图进行修复。由于室内三维场景深度图的灰度值具有连续性、变化不明显、边缘噪声数量大等特点，传统的图像滤波方法无法很好的完成修复工作，本文引入了一种改进的深度图修复法，包含了三个步骤：边缘裁剪、背景的帧间滤波处理及基于背景图的动态场景修复、基于RGB图像并采用高斯核加权算子的小面积孔洞修复。最后，采用k-d tree完成三维空间寻点，并利用三维滤波方法完成空间点云的降采样和移除离群点。然后对不同视角下的点云展开配准工作，分析了不同坐标系之间的位置变换关系，对传统的迭代最近点和采样一致性配准算法的效果进行了对比，并结合这两种方法优化了配准的流程，完成了对室内场景多帧点云的配准和效果展示。实验结果表明，本文所采用的改进的滤波和配准算法提高了深度图像的质量，提升了配准的精度和速率，能有效的应用于室内场景的三维重建中，取得良好的效果。同时，采用价格较低的Kinect摄像头，可以在实际的应用中得到推广。