三维重建小笔记

基于图像的三维重建具有重要的实用价值和应 用前景. 随着互联网及电子商务的发展, 很多商家或 企业开始利用三维模型来帮助自己进行产品的展示 与推广. 三维模型与二维图像相比, 因为多了一维 信息, 所以更能将物体的真实感和细节的质感与纹 理表现出来. 同时, 在诸如虚拟现实、城市数字化建 模、文物数字化保护、医学 CT 器官重建、三维影视 动漫制作等领域, 基于图像的三维重建也具有广泛的应用

1、双目三维重建步骤：图像获取 摄像机标定（结合图像匹配结果得到空间三维坐标点） 立体匹配 三维重建（精确的匹配结果+相机标定的内外参数）。
多目图像三维重建往往需要相机标定等额外操作, 相比之下基于单幅图像的三维重建 因输入简单, 更适合需要便捷式三维重建的应用场 合, 近年来逐渐成为一个新的学术研究热点问题.

2、得到图像的三维点云后，需要对空间物体的表面信息进行重构，需要对三维点云进行三角剖分：比较流行的点云网格化方法有1、平面投影法 2、直接剖分法
3、输入：除了通常的图像，还可以通过一系列额为的信息辅助三维重建，包括轮廓、语义标签、分割掩膜等，作为先验信息引导算法进行重建。

4、常见的三维重建表达方式：深度图、点云、体素、网格 5、体素表示物体是基于深度学习的三维重建领域最早才去的方式，这种方法可将图像领域使用的架构拓展到三维领域，利用三维卷积实现重建，但在三维空间中操作需要的内存巨大，会消耗巨大的算力资源。并且体素的表示的物体模型的空间分辨率很低，很多细节会缺失。 点云虽然能解决体素的巨大算力资源的问题，但点云的点之间没有连接关系，会缺乏物体的表面信息，所以提出mesh表示方法，它具有轻量，形状细节丰富的特点。

6、基于体素的表示方法有四个类型：1、基于