随着智能机器人的不断发展,机器人工作的环境日趋复杂,机器人对周围环境感知与认识的功能要求越来越高,机器人视觉也成为世界各国学者研究的热点之一。然而三维重建技术是机器人视觉研究中的一个重点,三维重建技术在机器人视觉领域有实际的应用意义。利用三维重建技术对某一物体或者对周围环境进行模型的重建,可以使机器人对目前所处的环境作出判断,实现机器人自主控制或者远程控制。但是一直以来,由于点云数据获取手段的昂贵,严重阻碍了三维重建技术在各个行业发展应用。因此本文对普遍的三维重建技术进行研究,提出了并构建了基于Kinect与PCL的低成本而且高效的三维重建系统,本系统点云处理阶段是利用程序自动化处理的,并在重建的点云去噪阶段提出了自己一些改进的算法,并进行了实验验证。本文对目前三维数据测量技术和点云数据的处理现状进行了研究,主要包括点云获取方式、点云去噪、点云特征提取、点云配准、曲面重建等,本文主要完成的工作如下：(1)对目前点云数据获取方式现状进行研究,提出基于Kinect的点云获取方式。对Kinect的软件系统进行深入的研究,并编程调用函数实现点云数据的获取,实现了低成本的目的。(2)首次将PCL引入到本系统,并利用PCL对点云进行处理,PCL是国外研究的热点,但是目前国内的研究几乎为零,PCL将是以后三维重建的一个重要工具。深入研究PCL库的内容。(3)对点云数据的去噪方法进行研究,针对距离目标物体点云很近的杂乱点与远处的噪声群去除难点,提出来基于距离统计的去噪方法,实现了目标物体远与近的杂乱点的高效去除,并接着对点云数据在保留原始结构的前提下实现了快速的、有效的精简。(4)深入研究点云特征提取的理论,提出利用点特征对点云进行特征提取的方法,并利用PCL库编程实现点云数据特征的提取目的。(5)在点云数据配准部分,对最近点迭代法ICP进行研究,借助PCL实现点云数据的配准功能,在曲面重建部分在并对三角剖分原理理论进行研究学习,利用MLS方法对点云数据重采样,并利用贪婪三角形剖分对点云数据进行剖分实现曲面的三角化重建完成高效快速的曲面重建,对这些过程进行编程实现,最后借助三维软件Pro/E将实体模型重建出来。