三视图重建 笔记
三视图重建
三视图是工程制图中的一种重要表达方式，它能够清晰地表达物体的三维结构。因此，从三视图重建三维模型也一直是研究的热点之一 (Kim et al., 2022)[8] (Fu et al., 2012)[9] (Kuo, 1998)[10] (Hung et al., 1989)[11] 。 一些研究提出了自动解释三视图并重建三维实体模型的系统 (Kim et al., 2022)[8] 。这些系统通常包含以下几个步骤：
- 图像处理：对三视图进行预处理，例如去除噪声、提取边缘等。
- 特征提取：从三视图中提取关键特征，例如顶点、边、面等。
- 匹配：将不同视图中的特征进行匹配，确定它们之间的对应关系。
- 三维重建：根据匹配结果，重建三维模型。
三视图作为工程制图中表达三维结构的重要方式，其三维重建一直是研究热点 (Hung et al., 1989)[1] (Kim et al., 2022)[2] 。自动解释三视图并重建三维模型通常包含图像处理、特征提取、匹配和三维重建等步骤。
三维重建方法概述
-
基于深度学习的多视图三维重建：深度学习的进步已经彻底改变了多视图三维重建，实现了端到端的三维形状推断，无需手动设计的特征 (Wu et al., 2024)[3] 。该方法通过分析多张图像来重建三维形状和结构，克服了传统方法效率低和未能充分利用多视图信息的缺点 (Wu et al., 2024)[3] 。
- 深度图方法：基于深度图的三维重建依赖于从多视图数据中提取深度信息。有监督的方法使用标记数据进行训练，而非监督的方法则不需要标记数据，而是使用自监督或其他非监督技术 (Wu et al., 2024)[3] 。
- 体素方法：体素方法使用三维体素网格来表示三维空间，并利用循环神经网络 (RNN) 和卷积神经网络 (CNN) 或 Transformer 进行三维重建 (Wu et al., 2024)[3] 。
- 点云方法：点云重建涉及从多视图数据生成三维对象的点云表示，并通过点云去噪来提高重建质量 (Wu et al., 2024)[3] 。
- 网格方法：网格方法从粗糙网格或体素表示开始，逐步细化网格以提高重建精度 (Wu et al., 2024)[3] 。
- 隐式曲面方法：隐式曲面方法使用神经隐式曲面表示进行三维重建，尤其适用于室内场景和处理反射或透明表面的重建 (Wu et al., 2024)[3] 。
-
基于特征的两维视图三维重建：有研究提出了基于全局宏观结构、工程图拓扑结构以及三正交视图平面上三维特征投影规则的二维视图特征概念 (GAO & PENG, 1999)[4] 。通过识别和匹配相关的二维视图特征，提取相应的三维基本特征并构建特征链，然后重建基于三维特征的模型 (GAO & PENG, 1999)[4] 。
NSTL国家科技图书文献中心
基于二维视图特征的三维重建
-
基于三视图分析的多面体重建：有研究提出了基于三视图分析的多面体重建匹配方法，重建过程由角点和边线驱动 (Hung et al., 1989)[1] 。该方法利用点对应约束函数（PCCF）寻找对应角点三元组的二阶候选，并通过线一致性约束条件（LCCF）来消除错误的匹配 (Hung et al., 1989)[1] 。