单个kinect的人体重建，在Kinect SDK 1.8中，Kinect Fusion的效果已经很不错了。其缺点显而易见，一是扫描时间长，重建对象也需要长时间保持静态；二是需要人体或者kinect转动以实现全方位扫描，操作起来繁琐。而运用三个kinect来进行人体重建，只需要将三个kinect按照一定方位（比如两两相距120°角度）固定位置，人体即使不动也能实现对人体的全身扫描，相比之下时间花销短。
基于三个kinect的人体重建，首先要对三个kinect相机进行标定，得到相机内外参数。这样每个相机看到空间一点的坐标是一致的，三个相机坐标系得以统一。标定方法是两两标定，即取某一kinect相机（记为A）为参考，其他两个（记为B、C）分别与A标定，得到两组相机参数。这里，我是用的matlab自带的标定方法stereoCameraCalibrator，见链接matlab。例如，用两个处于同一水平线的kinect（如下图所示）进行标定测试，得到的参数是旋转矩阵R为：
0.9949 -0.0196 0.0991
0.0235 0.9990 -0.0384
-0.0983 0.0405 0.9943
平移向量T为：
-280.5068 2.5255 -25.4387
由标定结果可以看出，R矩阵接近于单位矩阵，表明两相机位置上是基本平行的。平移向量中-280.5068表示两相机x方向距离为28cm，而x方向的实际距离为26~27cm，这说明标定精度还是比较可靠的。
标定之后可以得到两组相机参数（旋转矩阵和平移向量），这在之后的点云拼接中会有用。
点云获取
通过sdk中内置的转换函数，将由kinect获取到的深度图像转换为点云数据，并保存。如下图所示为一个角度获取的点云。
点云处理
由于点云的数据量非常庞大，并且存在着冗余数据和噪声干扰，增加了计算复杂度。因此在点云拼接之前需要预先对点云进行处理。这其中的关键问题是提取点云数据中能反映曲面特征的点，精简数据并且去除噪声，提高重建的精度和效率。去噪方法是联合双边滤波算法
点云拼接
三维点云拼接实质是将不同坐标系下得到的数据点云进行坐标变换，通过两片或多片数据点云中找出正确的排列关系，拼接成一片完整的数据点云。其中的关键问题就是利用旋转矩阵和平移矩阵，通过ICP算法对点云进行配准。