利用相機進行三維重建已經不是一個新鮮的話題，重建的三維環(huán)境用途很廣泛，

比如檢測識別目標，作為深度學習的輸入，視覺SLAM。

目前，比較流行的是單、雙目的重建。

稀疏重建：

通常是重建一些圖像特征點的深度，這個在基于特征的視覺SLAM里比較常見，得到的特征點的深度可以用來計算相機位姿。稀疏重建在實際應用，比如檢測，避障，不能滿足需求。

大勢智慧是一家專注于真實世界三維數(shù)字化重建及三維數(shù)據(jù)服務的高新技術企業(yè)，公司在城市高精度三維建模、模型應用及語義化理解和文化遺產數(shù)字化保護領域具有先進的技術優(yōu)勢和豐富實踐經驗。

以Kinect傳感器的初始位置為原點構造體積網(wǎng)格，網(wǎng)格把點云空間分割成很多的細小立方體，這種立方體叫做體素(Voxel)。通過為所有體素賦予SDF（Signed Distance Field，有效距離場）值，來隱式的模擬表面。

深度圖像的獲取

景物的深度圖像由Kinect在Windows平臺下拍攝獲取，同時可以獲取其對應的彩色的圖像。為了獲取足夠多的圖像，需要變換不同的角度來拍攝同一景物，以保證包含景物的全部信息。具體方案既可以是固定Kinect傳感器來拍攝旋轉平臺上的物體；也可以是旋轉Kinect傳感器來拍攝固定的物體。

在計算機視覺中, 三維重建是指根據(jù)單視圖或者多視圖的圖像重建三維信息的過程. 由于單視頻的信息不完全,因此三維重建需要利用經驗知識. 而多視圖的三維重建(類似人的雙目定位)相對比較容易, 其方法是先對攝像機進行標定, 即計算出攝像機的圖象坐標系與世界坐標系的關系.然后利用多個二維圖象中的信息重建出三維信息。

大勢智慧是一家專注于真實世界三維數(shù)字化重建及三維數(shù)據(jù)服務的高新技術企業(yè)，公司在城市高精度三維建模、模型應用及語義化理解和文化遺產數(shù)字化保護領域具有先進的技術優(yōu)勢和豐富實踐經驗。

精細配準是一種更深層次的配準方法。經過前一步粗配準，得到了變換估計值。將此值作為初始值，在經過不斷收斂與迭代的精細配準后，達到更加準確的效果。以經典的ICP算法為例，該算法首先計算初始點云上所有點與目標點云的距離，保證這些點和目標點云的zui近點相互對應，同時構造殘差平方和的目標函數(shù)。