基于深度相机的三维重建是一个非常流行、低成本的重建方案。基于Kinect一代是一种低成本的重建方案，图1是Kinect一代结构图。红外发射器发射红外线模板，通过红外CMOS获取反射红外光，采用光编码方式获得深度图。（Kinect二代采用ToF飞行时间法）。
为了能对深度相机的三维重建技术有深入了解，现对算法过程进行详细描述：
- 深度数据获取---去躁；
- 生成点云---计算摄像机坐标系的深度信息，进而变换到全局坐标系，计算法向量；
- 预测3D模型；
- 结合2，3计算当前深度场景和预测模型的位姿---（ICP最小二乘法计算变换矩阵，法向量误差）；
- 点云融合（TSDF，晶体网格化）---另一种是三角网格化；
- 可视化（场景渲染，三角网格（Gouraud着色)）；
- 纹理贴图（RGB图像->点云数据的映射矩阵M）。
深度数据获取：采用双边滤波对深度图进行保边平滑处理，引导滤波也可以。双边滤波因为采用了距离和灰度值相结合获得权值，通过加权平滑处理，即可以去除噪声又可以进行边缘保护。优势在于考虑了像素间的集合距离和彩色距离；
生成点云：根据深度图和红外CMOS内参计算摄像机坐标系下的深度信息构成点云，并变换到全局坐标系下计算深度信息和法向量（用于误差估计）；点云计算过程下：
预测3D模型：深度相机会在场景重建时候生成一个预测模型，便于计算相机的移动位姿；
位姿计算：采用ICP（最小迭代估计），通过最优模型计算对应点之间的误差，使得最小。
点云融合：TSDF将构建一个晶体网格，将点云投影到晶体网格模型中。参考链接
场景可视化：用于表示的方式，采用光线跟踪法，参考链接。另外可以通过三角网格后的数据进行Gouraud着色。
纹理贴图：计算RGB图像到三维点云模型的映射关系M，进行对应点着色。
最后实验结果，算法框图如图3所示。
