La estimación precisa del volumen de grano en los silos de almacenamiento es fundamental para un monitoreo y gestión inteligentes. Sin embargo, los métodos tradicionales basados en imágenes a menudo tienen dificultades bajo condiciones de iluminación complejas, lo que resulta en una reconstrucción superficial incompleta y una precisión de medición reducida. Para abordar estas limitaciones, proponemos un método de Interpolación B-spline y Medias Agrupadas (BICM), que fusiona datos de nube de puntos de múltiples vistas capturados por cámaras RGB-D para permitir una reconstrucción de superficie 3D robusta y una estimación precisa del volumen. Al incorporar el empalme de nube de puntos, el muestreo descendente, la agrupación y la interpolación 3D B-spline, el método propuesto mitiga de manera efectiva problemas como muescas y desalineaciones en la superficie, mejorando significativamente la precisión de los cálculos de volumen de montículos de grano en diferentes puntos de vista y resoluciones de muestreo. Los resultados de este estudio muestran que se puede lograr un error de medición volumétrica de menos del 5% utilizando una cámara RGB-D ubicada en dos puntos de vista ortogonales en combinación con el método BICM, y el error puede reducirse aún más al 1.25% al utilizar cuatro puntos de vista. Además de proporcionar una evaluación de inventario rápida de las existencias de grano, este enfoque también genera mapas locales precisos para la navegación autónoma de robots de silos de grano, avanzando así en el nivel de gestión inteligente dentro de las instalaciones de almacenamiento de granos.