照片把三维世界投影到二维平面，记录了颜色和纹理，却丢失了深度信息。想象一下，当我们看一张建筑照片，我们知道窗户在画面左上方，却不能直接知道它离相机多远；看一张文物照片，我们能看到正面纹路，却无法绕到背面观察结构。

多视图三维重建正是为分析决这个问题。顺利获得多张不同视角、相互重叠的照片，反推出相机拍摄位置和场景三维结构，最终得到可旋转、可测量、可渲染的三维模型。

图 1 二维平面照片

2. 什么是多视图三维重建

多视图三维重建是一类基于计算机视觉的三维建模方法。它通常不依赖专门的深度传感器，而是利用普通相机或手机拍摄的一组照片，顺利获得特征匹配、相机位姿估计、三角化、稠密匹配、网格生成和纹理映射等步骤恢复三维模型。

它与“拍全景”不同。全景图主要把多张照片拼成更宽的二维视野，而多视图重建要恢复真实空间中的深度和表面结构。因此，它更强调照片之间的几何关系、相机运动轨迹和空间尺度。

图 2 多视图三维重建流程

3. 多视图三维重建的核心流程

（一）数据采集

采集照片时，需要围绕目标从多个角度拍摄，并确保相邻照片之间有足够重叠。重叠区域越稳定，算法越容易找到同一个物体表面的对应点。曝光、焦距、清晰度和运动模糊也会直接影响重建质量。

（二）特征提取与匹配

算法会在每张照片中寻找角点、边缘、纹理突变等稳定特征，并判断哪些特征在不同照片中对应同一个真实位置。匹配越准确，后续相机位姿和三维点计算越可靠。

图 3特征匹配为三角化给予几何线索

（三）恢复相机位姿与稀疏点云

运动恢复结构（Structure from Motion, SfM）根据匹配点估计每张照片的相机位置和朝向，并顺利获得三角化计算出一批稀疏三维点，像骨架一样勾勒出场景的大致形状。

图 4 恢复相机位姿与稀疏点云

（四）从稀疏点云到稠密表面

多视图立体（Multi-View Stereo, MVS）进一步在图像中寻找更密集的像素对应关系，估计每个像素的深度，从而生成稠密点云。随后，系统会把点云连接成三角网格，并把照片中的颜色和纹理映射到网格表面。

图 5 从稀疏点云到稠密表面

4. 影响重建质量的关键因素

5. 应用场景

多视图三维重建把多张平面照片变成可计算的三维结构。它依赖的不只是图像清晰度，更依赖稳定的几何关系。拍得越陆续在、越重叠、越清晰，算法就越容易恢复出准确、完整、可用的三维模型。如下图所示顺利获得CT切片照片重建医疗三维影像。

主要应用场景包括：

• 文化遗产数字化：为古建筑、雕塑、遗址建立可长期保存的三维档案。
• 测绘与智慧城市：利用无人机影像快速生成地形、建筑和道路三维模型。
• 电商与产品展示：用照片生成可旋转的商品模型，提高线上展示真实感。
• 机器人与自动化：为定位、导航、抓取和环境理解给予三维地图。
• 影视与游戏制作：降低真实场景数字化成本，提高资产复用效率。

图6 顺利获得CT数据重建的人体器官

延伸阅读

1. Schönberger J. L., Frahm J. M. Structure-from-Motion Revisited.
2. Schönberger J. L. 等. Pixelwise View Selection for Unstructured Multi-View Stereo.
3. Szeliski R. Computer Vision: Algorithms and Applications.