三维模型的形变一直是计算机图形学领域的重要研究方向，相关的技术在动画和游戏领域也有着广泛的应用。而近年来消费级深度相机的普及也使得基于深度相机的研究与应用越来越多。因此，本文提出了一种基于RGBD视频的模型形变子空间构建技术，能够让三维模型在合理的范围内发生形变。　　本文以RGBD视频为输入，实现了从三维模型重建、物体位姿估计、形变捕捉到形变子空间构建的流程。基于形变子空间的模型修改方法能够保证修改后的模型符合物体本身的形变特征。本文的工作可主要分为四步:首先借助深度相机采集物体表面的形状信息，并据此重建相应的静态三维模型。随后从RGBD图像中分割出属于该物体的区域，并根据该区域对应的三维点云估计出物体的位姿，作为形变捕捉的初始状态。然后以记录了物体形变过程的RGBD视频为输入，用基于双四元数的形变图描述模型的形变，通过优化形变图参数捕捉物体的形变，得到一组形变后的三维模型，从中挑选出具有代表性的形变模型作为模型的形变关键帧。最后从形变关键帧中提取出基于形变梯度的特征向量，并以这些特征向量为基向量张成非线性特征空间。特征空间中所有特征向量对应的形变模型构成了模型的形变子空间。此外本文还提供了基于形变子空间的模型形状修改方法，保证修改后的模型尽可能落在形变子空间内。　　由于本文的静态三维模型和形变关键帧都是借助深度相机捕捉物体表面信息获得，并非手工编辑而成，其形状符合物体本身的特点。所以由此构建出的形变子空间也是较为合理的。