近年来,随着互联网技术的兴起,人们的消费观念在逐渐发生变化,尤其对购买的服装要求较高,追求着一种舒适和时尚的品质生活,然而服装要满足这些要求需从根源出发,即获取人体精确的三维尺寸来更好的定制服装。当前人体三维尺寸数据可用于虚拟试衣、智慧医疗、服装定制等。本文的研究思路是多张二维图像实时三维重建,对重建后的点云模型经过孔洞修复,降噪,边缘化处理,同时基于point cloud library（PCL）库区域框选获取点云的三维坐标,以特征点为兴趣点扩散进行数据的筛选,应用Matlab绘制散乱的点云图,通过投影到二维平面得到身体部位的截面图,积分法计算截面曲线的长度,本文研究的主要内容如下:（1）样本采集及统计分析本文通过相机和辅助设备三脚架首先对不同年龄段不同体型的人进行图像获取和尺寸测量,总共采集60个人体的样本。首先以人体为中心实现多视角图像的采集,然后筛选出清晰且特征未丢失的图片,其中尺寸的测量采用标准的软尺,对每个人体的8个部位分别进行测量,对测量的数据进一步统计分析。（2）人体模型的建立及处理对每一个选取的被测对象拍摄图像不低于20张,读取图像到算法scale invariant feature transform（SIFT）中进行特征点提取与匹配,此方法的关键是在不同视角下获取人体空间中同一个点的位置关系,提取出确定的关键点和相应的特征,然后在剩余的图片中进行关键点和特征点的匹配,得到一个稀疏的点云模型,最后使用稠密重建算法the cluster multi-view stereo/the patch-based multi-view stereo（CMVS/PMVS）对图像进行稠密重建,此时得到的点云模型会存在部分点云丢失形成孔洞,同时因图像周围存在较多的干扰,会对后期点云区域选择造成一定的干扰,因此需要对模型实现孔洞修复,降噪和边缘化处理。（3）特征点标记获取的三维点云模型是由无数个具有空间信息的点构成,以样本中一个对象测量和重建为例,获取具有空间信息的点数为1996142个,其中在特征点的选择时参照《用于技术设计的人体测量基础项目》手册,然后对完善的三维模型进行单点的拾取和区域的选择,根据手册中定义的部位筛选出准确的空间数据点进行标记,本研究中共标记的点为12个,依次实现身体各部位的测量。（4）测量区域框选和数据筛选本研究对点云的处理基于C++的PCL库,首先对PCL库和VS2013实现环境的配置,然后将完善的点云模型导入,寻找到需要框选部位标记的特征点,椭圆包裹法和矩形包裹法获取所要测量部位的空间点数据,对数据按特征点确定的范围实现筛选,使用Matlab读取筛选后的数据进行拟合,对比了多项式拟合和椭圆近似的方法,把偏离测量部位较远的数据点删除,得到围度曲线。最后,分别对同一测量对象同一部位和不同的测量对象不同部位进行验证分析,应用本文的测量方法计算其长度和围度且与真实尺寸进行对比分析,同时对比三维测量常用的椭圆近似法,证明了本文测量方法的有效性,且精确性较高。