三维模型的快速重建是制约计算机图形学和虚拟现实技术发展的瓶颈问题。传统的三维重建技术存在数据获取设备昂贵、数据获取过程复杂、数据量大导致的三维重建效率低下等问题。近年来,随着计算机视觉与图形学技术的发展和相关硬件设备性能的不断提升,其中深度相机如微软的Kinect可低成本快速获取场景中的深度流数据用于视频游戏、医学治疗及实时三维重建等领域,具有广泛的应用价值。因此,本文采用低成本Kinect V2深度相机,研究基于体素哈希的深度图像流快速表面重建方法,将基于MD4加密算法的哈希函数应用到快速表面重建中,从而实现三维表面数据的实时存储和更新。论文主要完成以下3方面的工作:(1)基于Kinect V2的实时数据采集实验平台的搭建与深度图像流数据的获取。首先采用Kinect V2搭建数据采集平台实时采集室内场景深度图像流,并将深度图像逐渐融合到三维模型中,以满足重建过程中高帧率连续深度数据的需求。实验结果表明,在室内场景中,搭建的基于Kinect V2的数据采集平台获取到的深度图像在不同距离处的误差几乎是恒定的,且获取的深度图像流的帧率可以达到30帧/秒(frames per second),采集的深度数据可满足后续研究的需求。(2)提出一种基于MD4(Message Digest Algorithm 4)算法的哈希函数用于提高数据访问效率,并采用分离链接法有效解决了数据冲突问题。传统的体素哈希表中存储的深度数据易发生冲突,导致数据存储慢,最终影响重建速度及重建规模。MD4算法在密码学领域中由于其计算效率高,具有良好的抗冲突优势得到了广泛关注及应用,受MD4算法在上述两方面的启发,本文引入了基于MD4算法的哈希函数用于提高数据查找、更新和插入效率,同时采用分离链接法解决映射到同一位置的数据冲突问题,该方法通过将每个桶中插入一定数量的哈希条目来解决映射到同一位置的冲突问题,若桶被占满,则通过线性探测下一个可用位置存放发生冲突的数据。结果表明,哈希表的负载率可以达到95.12%,成功查找并插入数据平均仅需1.3次,可满足实验要求。(3)研究了基于体素哈希表的快速表面重建方法。首先将获取到的深度图像流进行预处理获取到相机的位姿,然后根据输入深度图像分配新的体素块,并将体素块的描述符插入到哈希表中,接下来在融合步骤中,更新落入当前视场内分配的体素块,根据获取到的新的深度图像融合到当前可见的体素块数据中,并进行更新。最后,通过光线投射来提取包含相关颜色的等值面。论文主要研究了基于深度图像流数据的快速表面重建方法中哈希函数和哈希表的设计,实验结果表明,本文基于MD4提出的方法可快速实现室内场景的表面重建,渲染帧率可以达到25~35帧/秒,与微软KinectFusion实验结果相比,在重建细节方面更精细,与Voxel Hashing算法相比重建效率提升8%左右。与传统的体哈希表模型相比,本文采用的哈希表占用的内存空间仅为40M左右,从而减小了内存溢出的风险,具有良好的扩展性,能够满足自动化建模领域的应用需求。