三维建模在图形学领域中是一个基础的不可或缺的基础性研究方向,三维建模就是将虚拟或实际的三维物体或形状转换为数字化的几何模型表达,它是对虚拟三维物体进行处理和操作的前提。因此,三维建模技术被广泛地应用于图形渲染,计算机动画,人机交互,计算机辅助设计等众多领域。常见的三维建模方法包括交互式的三维建模和基于三维扫描数据的三维建模。随着近几年三维扫描设备的普及,三维扫描数据也越来越丰富。基于扫描数据的建模逐渐成为了一个研究热点。注册问题是基于三维扫描数据建模的一个基本问题,三维数据的注册是将两个或多个输入三维模型在某种变换下的对齐和配准,就是将多个三维数据变换至同一个坐标系下,并保证多个三维数据相对位置关系的准确。注册问题从处理目标角度考虑可以分为刚性注册和非刚性注册。刚性注册就是求解模型间的刚性变换,非刚性注册就是求解模型间的非刚性变换参数。三维扫描设备的一个发展趋势就是小型化,便携化,这也就带来了很多时变的三维扫描数据,也给非刚性注册带来了很多机遇。本文提出了一种基于距离场的非刚性注册方法。在假设全局非刚性模型在运动过程中保持局部刚性的前提下,我们提出了一种基于体的非刚性注册框架。首先,本文对现有的非刚性注册算法框架和涉及的基本算法进行研究。从形状表示角度研究了显式曲面和隐式曲面的表示；从局部几何匹配角度分析了基于最近点准则的局部几何匹配方法和基于特征的局部匹配方法以及基于区域的匹配方法；从变形模型角度分析了线性变形模型和非线性变形模型,基于曲面的变形模型和基于空间的变形模型的特点；从全局优化角度论述了迭代式的局部刚性全局非刚性注册的合理性。其次,本文实现并改进了基于GPU的并行符号距离场算法。从距离场定义角度分析了符号距离场的计算方法,研究并实现了已有的GPU并行无符号距离场算法。提出并开发了一种基于GPU的角平均法向计算方法,并用角平均法向计算距离场符号,实现了并行的符号距离场计算。之后,本文提出了一种基于距离场的非刚性注册方法,包括基于子块的局部刚性注册和基于体的全局非刚性变形模型。在基于子块的局部刚性注册部分,我们使用了一种三维的Lucas-Kanade算法,通过最小化距离场差异求解最优局部刚性变换。在全局非刚性变形模型部分,我们使用一种最小化相邻子块刚性变换的模型,取得自然的全局非刚性变形。在全局非刚性优化部分,我们提出一种带置信度加权的全局非刚性优化模型,对不同的局部刚性注册误差给出不同的置信度,从而减小误匹配的影响。通过迭代进行局部刚性注册和全局非刚性注册获得准确高效的非刚性注册。最后,本文在不同的数据集上测试了我们的方法的准确度和性能,我们提出了一种基于体的注册准确度度量,测试了算法在合成数据和实际数据上的结果,与现有的方法进行了比较。最后分析了本文提出的方法的创新性,优缺点以及可能的改进方向和方法。