表面重建是一种广泛使用的几何处理工具，用于数字化现实世界的对象。在许多情况下，对重建算法的输入是从所讨论的对象获取的点集。然而，尽管新的方法和采集硬件，在这些点集中不可避免地出现诸如噪声和离群点之类的错误。此外，重构表面的质量很大程度上取决于输入点集的质量。然而，降噪点集本质上是一个具有挑战性的问题，因为根据定义，没有连接信息来指导去噪过程。具有尖锐特征的去噪点集甚至有更多的问题，特别是在存在较大噪声的情况下，因为这些特征很难与噪声区分开来。

三维人体的配准一直是一个具有挑战性的研究课题。大多数传统的人体配准方法需要人工辅助，或其他辅助信息，如纹理和标记。这些方法大多数适用于从昂贵的扫描仪获得的高品质扫描。随着Kinect等低成本扫描设备的引入，人体的三维数据采集变得更加方便和方便。然而，由于低质量扫描中不可避免的孔、噪声和异常值，人体的配准变得更加具有挑战性。为了解决这个问题，我们提出了一种全自动化主动配准方法，该方法将高分辨率模板网格变形以匹配低质量人体扫描。