2、单目非刚性3D重建与点云对齐的研究进展

单目非刚性3D重建与点云对齐的研究进展

1. 计算机视觉中的3D感知与重建

计算机视觉的目标之一是对现实世界进行精确感知，并对获取的数据进行稳健处理。在完整的场景描述中，除了材料属性，3D几何知识也是关键组成部分。3D机器感知是许多应用的基础，包括场景复制、场景理解、定位以及虚拟内容的逼真叠加等。

在设计基于视觉的系统时，有多种传感器可供选择，如飞行时间相机、立体相机、激光雷达和声纳等。而单目相机是一种轻量级的替代方案，它具有多种设计和外形，价格实惠，能耗相对较低，并且在现代电子设备中广泛存在，社会接受度高。单目相机被嵌入到增强现实眼镜、头盔、手机和平板电脑中，也是内窥镜手术系统、监控系统、人员识别系统、无人机和水下航行器、移动机器人、行星探索漫游车和自动驾驶汽车的核心组件。因此，使用单目相机进行3D感知的方法在众多系统和应用中具有重要意义。

3D重建是计算机视觉中一个被广泛研究的逆问题，它是指从单视图或多视图中恢复在成像过程中丢失的场景深度维度（即场景几何信息）。点集配准则是将一个或多个点集（原始3D表示或3D重建结果）对齐到一个公共坐标系中，或者对其进行变形以使其外观匹配的计算机视觉问题。

在许多实际情况下，3D重建可能是一个不适定问题。例如，从单张图像进行3D重建是不适定的，因为多个3D场景可能会产生相同的2D图像，需要额外的先验知识来消除重建的歧义，如已知的对象类别、对称性先验或几何先验等。从两个视图开始，可以使用更多的约束条件，如极线几何先验、三线性约束以及多视图之间的一致性约束。此外，刚性假设可以很好地消除问题的歧义，在刚性假设下，从多视图和单目视图序列进行3D重建都取得了显著的成果。

如果在同一时间帧内有同一场景的多个不同视图