人通过眼睛观察物体,然后利用观察到的物体图像获知生存的三维空间。随着机器视觉领域的不断发展,越来越多的学者将目光转向了人如何认识三维世界这一课题当中。三维重构实现了二维图像到三维立体的转变,是机器视觉领域的一个重要研究课题。通过模仿人对三维物体的认知过程,利用神经网络实现三维重构是一种新的研究思路。从神经网络实现三维重构的角度出发,主要工作及创新点如下:1.与现有的基于点云配准的方法不同,创新性地模仿人在认识三维物体过程中的观察方式、认知习惯以及存储印象的方式,将卷积神经网络、循环神经网络、反卷积神经网络三种网络合理连接,形成了独特的三维重构神经网络。2.网络将物体二维图像作为输入,输出物体的三维结构。同时,发挥其对大数据的处理能力,在较少二维图像输入,甚至是单张图像输入的情况下,仍可以得到高恢复度的三维物体重构效果。3.从人观察事物的认知习惯出发,对网络输出结果进行模型优化。依次对网络输出的三维体素概率模型进行移动立方体优化,利用基于Delaunay剖分的Crust算法获得网格模型,最后对Loop细分算法进行改进,最终获得平滑性高、点集致密的三维重建结果。