获取真实物体的三维模型，一直都是计算机图形学、计算机视觉等领域的研究热点，尤其在动画、游戏、虚拟现实等领域，有着广泛的应用，特别对于人体的三维数据，有着不可评估的价值。传统的三维人体扫描一直都是通过结构光扫描仪或者激光扫描仪进行数据的获取的，但此类扫描系统存在复杂的标定算法，算法鲁棒性较低、计算复杂度高;同时，数据获取的时间较长，不利于三维技术的推广。近年来，Kinect等深度相机不断涌现，这类设备价格低廉，使用方便等优点，给扫描扫描技术提供了更为广阔的前景。　　Kinect Fusion及Dymaic Fusion是利用Kinect等深度相机进行实时三维物体重建的系统，能够在零交互的前提下，获得物体的三维模型，但由于获取数据原理的限制，此类算法也具有局限性，扫描过程中无法精确获取黑色区域的数据;同时，对于获取模型的颜色信息，一般均是采取多帧图片颜色的平均值作为点颜色的值，但多帧颜色融合会导致颜色模糊。针对于人体扫描，则无法精确的获取头顶等黑色区域的信息，最终获得的人体模型所具有的颜色信息是模糊的，针对于消费者来说，这是不可接受的。　　三维重建的三个重要的性能指标主要体现在兼容性、获得模型的几何与颜色精度和自动化程度。本文提出一个具有兼容性、完整性的3D扫描自拍系统，能够简单、快速地重建出带有丰富细节及纹理信息的人体模型。主要的特点是兼容现有的深度的扫描仪，且建模重建过程只需通过简单的交互即可完成。较之前的做法，其主要贡献是提出了一种基于距离场的模型补洞算法，利用数据驱动方式获得较好的形状参数，能够在不损失模型细节的情况下，自动补出头顶的形状，避免深度相机无法扫描头发的缺陷，使扫描变得更加方便、快捷，也提出了一种针对深度相机的纹理自动贴图算法，利用采集的深度数据驱动，可自动计算纹理坐标，均衡不同图片间光照的差别，从而获得最佳的纹理效果。