摘要： 基于被動視覺的三維重建技術(shù)方法多樣、應(yīng)用廣泛。按照不同的分類方法，對基于被動視覺的三維重建技術(shù)研究進(jìn)展進(jìn)行了分析總結(jié)。首先，根據(jù)采集裝置的數(shù)量進(jìn)行分類，介紹了基于單目視覺、雙目視覺和多目視覺的三維重建技術(shù)，并對各種方法的優(yōu)缺點(diǎn)進(jìn)行比較。其次，根據(jù)不同應(yīng)用方法進(jìn)行分類，對運(yùn)動恢復(fù)結(jié)構(gòu)法和深度學(xué)習(xí)法的研究進(jìn)展進(jìn)行了闡述。最后，對基于被動視覺的三維重建方法進(jìn)行了綜合對比分析，并對三維重建的應(yīng)用和發(fā)展進(jìn)行了展望。

關(guān)鍵詞： 三維重建； 被動視覺； 單目視覺； 雙目視覺； 多目視覺； 運(yùn)動恢復(fù)結(jié)構(gòu)； 深度學(xué)習(xí)

中圖分類號： TP391

文獻(xiàn)標(biāo)志碼： A

文章編號： 1671-6841（2024）05-0013-07

DOI： 10.13705/j.issn.1671-6841.2023012

Progress of Study on 3D Reconstruction Technology Based on Passive Vision

WANG Zhaoqing1，2， NIU Chaoyi1，3， SHE Wei1，3， ZAI Guangjun1，3，

LIANG Bo4， YI Jianfeng4， LI Yinghao1，3

（1.School of Cyber Science and Engineering， Zhengzhou University， Zhengzhou 450002， China;

2.XJ Electric Co.，Ltd， Xuchang 461000， China; 3.Zhengzhou Key Laboratory of Blockchain and Data

Intelligence， Zhengzhou 450002， China; 4.Information Management Center， Zhongyuan Oilfield

Branch of SINOPEC， Puyang 457001， China）

Abstract： The methods of 3D reconstruction technology based on passive vision are diverse and widely used. Most of studies of 3D reconstruction technology based on passive vision were analyzed and summarized based on different classification methods. Firstly， according to the different number of acquisition devices， the 3D reconstruction techniques were classified into monocular vision， binocular vision and multi-version， and the advantages and disadvantages of each method were compared. Secondly， the research progress of structure from motion and deep learning method were described according to the classification of different application methods. Finally， the 3D reconstruction technology based on passive vision were compared and analyzed comprehensively， and the application and development of 3D reconstruction were explored.

Key words： 3D reconstruction; passive vision; monocular vision; binocular vision; multi-vision; structure from motion; deep learning

0 引言

三維重建是計(jì)算機(jī)視覺領(lǐng)域中非常重要的研究方向之一，其中基于視覺的三維重建是該領(lǐng)域的研究熱點(diǎn)?；谝曈X的三維重建通過各種儀器或者相機(jī)設(shè)備，對真實(shí)的場景和目標(biāo)物體進(jìn)行掃描或拍攝，然后采用計(jì)算機(jī)算法加以處理，對物體的三維空間信息進(jìn)行深入的解析，最終逆向求取空間點(diǎn)坐標(biāo)，得到三維立體表面模型。經(jīng)過四五十年的研究與發(fā)展，基于視覺的三維重建日益成熟，新技術(shù)層出不窮，逐漸應(yīng)用于工業(yè)、醫(yī)療、交通、軍事等諸多領(lǐng)域，在工業(yè)檢測、醫(yī)學(xué)影像、無人駕駛、軍事探測等方面發(fā)揮著重大作用。

基于視覺的三維重建由于其適用領(lǐng)域和應(yīng)用場景的不同，形成了不同的技術(shù)路線。隨著研究的不斷深入，基于視覺的三維重建技術(shù)通?？蓜澐譃榛谥鲃右曈X的三維重建和基于被動視覺的三維重建。其中，主動視覺方法主要利用相關(guān)儀器掃描目標(biāo)物體，通過調(diào)整自身參數(shù)發(fā)射激光、聲波、脈沖等信號，然后分析發(fā)出和接收結(jié)構(gòu)聲光信號的時間差等數(shù)據(jù)，確定目標(biāo)物體的距離、大小、形狀等三維結(jié)構(gòu)的細(xì)節(jié)信息，最后精確地還原物體或場景的三維模型。而被動視覺自身并不會發(fā)射任何能量信號來收集目標(biāo)信息，而是完全依靠自然光源下目標(biāo)物體或場景對光照的漫反射效應(yīng)，通過收集圖像的二維深度信息來完成檢測。相比之下，主動視覺方法在實(shí)際操作上存在較高的難度，可行性較低，難以很好地適應(yīng)復(fù)雜環(huán)境，局限性比較大。而基于被動視覺的三維重建技術(shù)可操作性強(qiáng)，成本較低，適用于各種復(fù)雜環(huán)境中目標(biāo)物體的三維重建，在實(shí)際應(yīng)用中更為廣泛。因此，本文對基于被動視覺的三維重建技術(shù)研究進(jìn)展進(jìn)行了整理和分析?；诒粍右曈X的三維重建技術(shù)根據(jù)采集裝置的數(shù)量進(jìn)行分類，可分為單目視覺法、雙目視覺法和多目視覺法；根據(jù)不同應(yīng)用方法進(jìn)行分類，可分為運(yùn)動恢復(fù)結(jié)構(gòu)法和深度學(xué)習(xí)法。

1 根據(jù)采集裝置數(shù)量分類

根據(jù)獲取二維圖像數(shù)據(jù)所采用的采集裝置數(shù)量，基于被動視覺的三維重建技術(shù)可以分為單目視覺法、雙目視覺法和多目視覺法。

1.1 單目視覺法

單目視覺法只采用一臺攝像機(jī)進(jìn)行數(shù)據(jù)采集，采集的數(shù)據(jù)可以為單幅圖像或者多幅圖像。單目視覺法三維重建流程如圖1所示。

單目視覺法首先采用單目相機(jī)等裝置采集圖像數(shù)據(jù)，然后獲取圖像特征信息，通過算法進(jìn)行特征信息匹配，最后選取合適的重建方法得到三維重建模型。從單目相機(jī)拍攝二維圖像中的某一點(diǎn)到三維立體模型空間點(diǎn)的轉(zhuǎn)換原理可表示為

其中：（u，v）表示在圖像坐標(biāo)系下圖像點(diǎn)的坐標(biāo)；（Xw，Yw，Zw）表示空間中物體的三維坐標(biāo)；R和t分別表示旋轉(zhuǎn)矩陣和平移向量；（u0，v0）為攝像頭的中心點(diǎn)在二維圖像中的坐標(biāo)；fx和fy分別為攝像機(jī)在x和y方向上的焦距。通過式（1）可以求出空間中任意一點(diǎn)的三維坐標(biāo)。

單目視覺三維重建技術(shù)包括以下5種方法。

1） 明暗度法。明暗度法即明暗度恢復(fù)形狀法。該方法主要對圖像中由光源照射所產(chǎn)生的明暗陰影變化進(jìn)行分析，借助反射光照模型計(jì)算物體表面的梯度場，由梯度場進(jìn)行積分運(yùn)算，最后得到物體表面高度值。Horn［1］于1970年第一次提出明暗度法的概念，推導(dǎo)出了明暗度方程。Ahmed等［2］利用Lax-Friedrichs sweeping算法對混合表面采用明暗度法進(jìn)行求解，并建立了Ward模型下混合表面圖像輻照度方程。Vogel等［3］提出了基于非朗伯特模型的明暗度法，取得了良好的效果。為提高求解效率、降低重建誤差，王國琿等［4］改進(jìn)了Ward模型，建立了透視投影下的輻照度方程，提出了基于牛頓-拉弗森法的混合表面快速三維重建求解算法。

2） 光度立體視覺法。光度立體視覺法是利用目標(biāo)物體在各種光線環(huán)境下拍攝得到的圖像數(shù)據(jù)，重建該物體表面的立體結(jié)構(gòu)。Woodham［5］對明暗度法進(jìn)行改進(jìn)，提出了光度立體視覺法，改善了單幅圖像中所包含的重建信息較少的問題。2010年，Shi等［6］提出了自標(biāo)定的光度立體視覺法。2018年，Santo等［7］提出了深度光度立體網(wǎng)絡(luò)，通過使用深度神經(jīng)網(wǎng)絡(luò)在復(fù)雜的反射率觀測值和表面法線之間建立靈活的映射，使得重建效果更加顯著。2020年，陳明漢等［8］提出了一種基于多尺度卷積網(wǎng)絡(luò)架構(gòu)的光度立體視覺算法，極大提高了對非朗伯表面的適應(yīng)性。

3） 紋理法。紋理法的基本理論為：物體表面均具備不同的紋理信息，這些信息由紋理元組成，當(dāng)物體被投射在圖像上，根據(jù)紋理元可以確定表面方向，通過計(jì)算能夠獲取深度數(shù)據(jù)，恢復(fù)立體結(jié)構(gòu)。Clerc等［9］于2002年使用小波變換進(jìn)行改進(jìn)，完成了紋理分析。2010年，Warren等［10］對正交投影解不唯一的問題進(jìn)行了調(diào)整，采用透視投影模型進(jìn)行紋理法重建實(shí)驗(yàn)，使重建效果得到了提升。

4） 輪廓法。輪廓法即輪廓恢復(fù)形狀法。該方法通過對物體進(jìn)行多角度拍攝，然后提取圖像中目標(biāo)物體的輪廓數(shù)據(jù)，逆向推導(dǎo)出物體的三維結(jié)構(gòu)。主流輪廓法是融合了體素、視殼和錐素的重建方法。2006年，F(xiàn)orbes等［11］實(shí)現(xiàn)了直接從物體的輪廓及其反射計(jì)算焦距、主點(diǎn)、鏡子和相機(jī)姿勢，從未標(biāo)定的圖像中生成視殼。2020年，Jang等［12］通過重復(fù)計(jì)算視殼的殘差來處理凹面區(qū)域，并生成分層數(shù)據(jù)結(jié)構(gòu)即可視外殼樹，解決了凹面區(qū)域的細(xì)節(jié)展示。

5） 焦距法。焦距法即焦點(diǎn)恢復(fù)形狀法，于1997年由Rajagopalan等［13］首次提出。焦距法需要精確計(jì)算聚焦量以及判斷噪聲對清晰度的影響?？紤]焦距變化所產(chǎn)生的視差，Sahay等［14］對焦距法進(jìn)行了改進(jìn)?？涤畹龋?5］針對焦距法內(nèi)存空間占用量大的問題，提出一種基于擴(kuò)散的聚焦形貌恢復(fù)算法，通過對聚焦評價曲線區(qū)間進(jìn)行約束，降低了內(nèi)存使用率。趙洪盛等［16］提出一種圖像噪聲檢測算法，通過濾波構(gòu)建無噪聲圖像序列，進(jìn)一步提升了焦距法的精確度。

表1對比了上述5種單目視覺三維重建技術(shù)，羅列了各種方法的優(yōu)缺點(diǎn)以及重建效果，同時對具體應(yīng)用場景進(jìn)行了簡要說明?？梢钥闯?，單目視覺法通過單張或較少數(shù)量的圖像即可完成目標(biāo)物體的重建，重建速度快、效率高，但對于光照等因素的依賴較為嚴(yán)重；同時，重建效果存在表面殘缺、空洞等現(xiàn)象，依然有很大的改善空間。

1.2 雙目視覺法

雙目視覺法，也被稱為立體視覺法，能夠?qū)㈦p目視差信息轉(zhuǎn)換為物體深度信息。該方法主要采用雙目攝像機(jī)獲取雙視圖圖像，然后利用立體匹配計(jì)算原理獲得視差圖，最后利用三角測量的方法對匹配點(diǎn)的視差信息進(jìn)行轉(zhuǎn)換，得到物體表面的三維坐標(biāo)，恢復(fù)三維立體模型結(jié)構(gòu)。

根據(jù)攝像機(jī)擺放位置的不同，雙目視覺三維重建可以分為平行式光軸三維重建方法［17］和匯聚式光軸三維重建方法［18］。平行式光軸和匯聚式光軸分別如圖2、圖3所示。

平行式光軸和匯聚式光軸三維重建方法的具體情況如下。

1） 平行式光軸三維重建方法。該方法的設(shè)備面向目標(biāo)結(jié)構(gòu)平行放置，保證光軸也與水平方向平行，能夠形成平行的成像平面。兩臺攝像機(jī)只存在光軸位置的左右差異，能很好地實(shí)現(xiàn)圖像的立體匹配。

2） 匯聚式光軸三維重建方法。匯聚式光軸雙目視覺三維重建方法在平行式光軸雙目視覺系統(tǒng)的基礎(chǔ)上，左右兩臺攝像機(jī)分別繞光心旋轉(zhuǎn)，使兩者向內(nèi)呈八字。該方法的優(yōu)勢是能夠擴(kuò)大圖像采集設(shè)備的視野角度。

Hirschmuller［19］首次提出了半全局匹配算法，成為當(dāng)下最流行的立體視覺算法之一。Michael等［20］提出了對該算法參數(shù)化的直接擴(kuò)展，提升了半全局匹配算法的準(zhǔn)確性。隨著神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的普及和發(fā)展，Bontar等［21］將卷積神經(jīng)網(wǎng)絡(luò)與立體匹配算法相結(jié)合，提出一種從校正后圖像對中提取深度信息的方法，通過訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)來預(yù)測兩個圖像塊的匹配程度。Lu等［22］提出一種級聯(lián)多尺度和多維網(wǎng)絡(luò)的架構(gòu)，將傳統(tǒng)方法的代價聚合考慮在內(nèi)，取得了良好的效果。雙目視覺方法整體上已經(jīng)比較成熟，廣泛應(yīng)用于現(xiàn)代化人工智能領(lǐng)域，如電纜巡檢機(jī)器人［23］等自動化無人設(shè)備。

1.3 多目視覺法

多目視覺法是對雙目視覺進(jìn)行擴(kuò)展所形成的方法，采用3個或3個以上的攝像機(jī)獲取圖像，其研究難點(diǎn)在于視差圖信息匹配。2003年，雷成等［24］研發(fā)了CVSuit三維重建系統(tǒng)。之后，翟振剛［25］對立體匹配算法進(jìn)行研究，提出一種自適應(yīng)區(qū)域立體匹配算法。Zhang等［26］將基于多視覺的三維重建分為3個階段，提出了中心線匹配配準(zhǔn)算法來實(shí)現(xiàn)對管道的重構(gòu)。Bai等［27］將多目視覺法運(yùn)用于無人機(jī)地質(zhì)災(zāi)害檢測，獲得精準(zhǔn)的三維地形模型。陳星等［28］結(jié)合神經(jīng)網(wǎng)絡(luò)和特征金字塔結(jié)構(gòu)，對多尺度融合立體匹配算法進(jìn)行改進(jìn)，可以得到效果良好的視差圖。

2 根據(jù)不同應(yīng)用方法分類

基于被動視覺的三維重建在不同領(lǐng)域所運(yùn)用的重建方法有所差異，其達(dá)到的重建效果也各有不同，從而體現(xiàn)出相應(yīng)的優(yōu)缺點(diǎn)。根據(jù)其應(yīng)用方法進(jìn)行分類，可以分為運(yùn)動恢復(fù)結(jié)構(gòu)法和深度學(xué)習(xí)法。

2.1 運(yùn)動恢復(fù)結(jié)構(gòu)法

運(yùn)動恢復(fù)結(jié)構(gòu)法（structure from motion，SfM）是通過分析多視角二維圖像信息，求解三維立體模型數(shù)據(jù)的方法。由于涉及拍攝過程中相機(jī)多角度的移動，因此被稱為運(yùn)動恢復(fù)結(jié)構(gòu)。SfM三維重建流程如圖4所示。

目前主流的SfM方法可分為增量式［29］和全局式兩大類型。

增量式SfM的原理是通過攝像機(jī)獲取多角度圖像，選取兩張圖像初始化，然后不斷加入新的圖像進(jìn)行迭代，對于初始化的圖像以及不斷添加的圖像一邊進(jìn)行三角化生成三維點(diǎn)，一邊進(jìn)行局部優(yōu)化，最終實(shí)現(xiàn)整個圖像的三維重建過程。

全局式SfM是由Sturm等［30］率先提出的，其原理是一次性地對所有的圖像計(jì)算匹配關(guān)系生成三維點(diǎn)，最后進(jìn)行整體優(yōu)化。2011年，Crandall等［31］提出一種基于離散馬爾可夫隨機(jī)場的混合離散連續(xù)優(yōu)化的全局式SfM。2015年，Cui等［32］在已有理論的基礎(chǔ)上提出一種全新的全局式SfM，使其處理數(shù)據(jù)更加多樣化。

2.2 深度學(xué)習(xí)法

深度學(xué)習(xí)法三維重建的過程可以理解為對函數(shù)的擬合，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練將圖像的像素信息轉(zhuǎn)化為因變量物體的深度信息，從二維圖像中恢復(fù)物體的三維結(jié)構(gòu)。Sermanet等［33］提出了使用卷積網(wǎng)絡(luò)對圖像進(jìn)行分類、定位和檢測的框架，實(shí)現(xiàn)了在ConvNet中多尺度和滑動窗口的方法。隨后，Eigen等［34］使用兩個深度網(wǎng)絡(luò)堆棧的方法預(yù)測場景三維信息，其中一個深度網(wǎng)絡(luò)對圖像進(jìn)行全局預(yù)測，另一個對預(yù)測信息進(jìn)行局部細(xì)化。張冀等［35］提出一種基于多尺度CNN-RNN的單圖三維重建網(wǎng)絡(luò)，通過高斯金字塔模型構(gòu)建多尺度網(wǎng)絡(luò)，使得二維圖像的特征提取更加充分，提高了重建精度。

3 對比與分析

基于被動視覺的三維重建技術(shù)的對比結(jié)果如表2所示。

基于單目視覺的重建方法較為多樣，但各有其局限性，易受光照條件、噪聲、紋理特征等因素的影響；基于雙目視覺和多目視覺的重建方法，其穩(wěn)定性比單目視覺法要高，技術(shù)相對成熟，能夠?qū)崿F(xiàn)較高的重建精度，但在復(fù)雜場景及惡劣環(huán)境下，設(shè)備更為昂貴且操作復(fù)雜，普適性較差。運(yùn)動恢復(fù)結(jié)構(gòu)法可以結(jié)合單目視覺法，通過使用多張圖像達(dá)到更好的重建效果，但圖像數(shù)量增加也會增大計(jì)算量，降低三維重建的效率。深度學(xué)習(xí)法作為新興的三維重建技術(shù)，與傳統(tǒng)的方法有所區(qū)別，其通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練可以重建出較為精確的三維模型，但重建的質(zhì)量依賴于訓(xùn)練過程，需要不斷地調(diào)整網(wǎng)絡(luò)框架，同時對數(shù)據(jù)集較為敏感。

4 小結(jié)與展望

本文根據(jù)采集裝置數(shù)量和應(yīng)用方法的不同，對主流的基于被動視覺的三維重建技術(shù)進(jìn)行了梳理、分類和對比分析。三維重建技術(shù)目前主要存在以下問題：

1） 運(yùn)算量問題。為提高重建精度增加了圖像數(shù)量，導(dǎo)致計(jì)算量過于龐大，重建時間長，對于硬件資源的需求過高。

2） 魯棒性問題。部分三維重建技術(shù)的抗干擾能力差，易受外界各種自然因素的影響。

3） 重建效率問題。部分重建過程耗時較長，降低了整體的重建效率。

隨著研究的深入，上述問題的解決并不局限于原有方法的直接優(yōu)化或提升，可通過各類新方法、新技術(shù)的融合進(jìn)行解決。綜上，基于被動視覺的三維重建技術(shù)方興未艾，有必要基于目前的眾多方法進(jìn)行組合、優(yōu)化與創(chuàng)新。隨著各類新方法的加入，三維重建技術(shù)必定能更好地服務(wù)于人類社會的生產(chǎn)和生活。

參考文獻(xiàn)：

［1］ HORN B K. Shape from shading： a method for obtaining the shape of a smooth opaque object from one view［D］. Cambridge：Massachusetts Institute of Technology，1970.

［2］ AHMED A H， FARAG A A. Shape from shading under various imaging conditions［C］∥Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Piscataway：IEEE Press，2007： 1-8.

［3］ VOGEL O， BREU M， WEICKERT J. Perspective shape from shading with non-lambertian reflectance［C］∥Joint Pattern Recognition Symposium. Berlin： Springer Press， 2008： 517-526.

［4］ 王國琿， 張璇. 透視投影下混合表面3D重建的快速SFS算法［J］. 光學(xué)學(xué)報(bào)， 2021， 41（12）： 179-187.

WANG G H， ZHANG X. Fast shape-from-shading algorithm for 3D reconstruction of hybrid surfaces under perspective projection［J］. Acta optica sinica， 2021， 41（12）： 179-187.

［5］ WOODHAM R J. Photometric method for determining surface orientation from multiple images［J］. Optical engineering， 1980， 19（1）： 139-144.

［6］ SHI B X， MATSUSHITA Y， WEI Y C， et al. Self-calibrating photometric stereo［C］∥Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway：IEEE Press，2010： 1118-1125.

［7］ SANTO H， SAMEJIMA M， SUGANO Y， et al. Deep photometric stereo network［C］∥Proceedings of the IEEE International Conference on Computer Vision Workshops. Piscataway：IEEE Press，2018： 501-509.

［8］ 陳明漢， 任明俊， 肖高博， 等. 基于多尺度卷積網(wǎng)絡(luò)的非朗伯光度立體視覺方法［J］. 中國科學(xué)： 技術(shù)科學(xué)， 2020， 50（3）： 323-334.

CHEN M H， REN M J， XIAO G B， et al. Non-Lambertian photometric stereo vision algorithm based on a multi-scale convolution deep learning architecture［J］. Scientia sinica： technologica， 2020， 50（3）： 323-334.

［9］ CLERC M， MALLAT S. The texture gradient equation for recovering shape from texture［J］. IEEE transactions on pattern analysis and machine intelligence， 2002， 24（4）： 536-549.

［10］WARREN P A， MAMASSIAN P. Recovery of surface pose from texture orientation statistics under perspective projection［J］. Biological cybernetics， 2010， 103（3）： 199-212.

［11］FORBES K， NICOLLS F， JAGER G， et al. Shape-from-Silhouette with two mirrors and an uncalibrated camera［C］∥Proceedings of the 9th European Conference on Computer Vision. New York： ACM Press， 2006： 165-178.

［12］JANG T Y， KIM S D， HWANG S S. Visual hull tree： a new progressive method to represent voxel data［J］. IEEE access， 2020， 8： 141850-141859.

［13］RAJAGOPALAN A N， CHAUDHURI S. A variational approach to recovering depth from defocused images［J］. IEEE transactions on pattern analysis and machine intelligence， 1997， 19（10）： 1158-1164.

［14］SAHAY R R， RAJAGOPALAN A N. Dealing with parallax in shape-from-focus［J］. IEEE transactions on image processing， 2011， 20（2）： 558-569.

［15］康宇， 陳念年， 范勇， 等. 基于擴(kuò)散的聚焦形貌恢復(fù)算法［J］. 計(jì)算機(jī)工程， 2016， 42（3）： 259-265.

KANG Y， CHEN N N， FAN Y， et al. Shape from focus algorithm based on spreading［J］. Computer engineering， 2016， 42（3）： 259-265.

［16］趙洪盛， 丁華， 劉建成. 基于圖像區(qū)域像素重構(gòu)的聚焦形貌恢復(fù)［J］. 計(jì)算機(jī)工程， 2019， 45（2）： 233-239， 244.

ZHAO H S， DING H， LIU J C. Shape from focus based on image regional pixel reconstruction［J］. Computer engineering， 2019， 45（2）： 233-239， 244.

［17］ZOU X J， ZOU H X， LU J. Virtual manipulator-based binocular stereo vision positioning system and errors modelling［J］. Machine vision and applications， 2012， 23（1）： 43-63.

［18］李占賢， 許哲. 雙目視覺的成像模型分析［J］. 機(jī)械工程與自動化， 2014（4）： 191-192.

LI Z X， XU Z. Analysis of imaging model of binocular vision［J］. Mechanical engineering & automation， 2014（4）： 191-192.

［19］HIRSCHMULLER H. Accurate and efficient stereo processing by semi-global matching and mutual information［C］∥Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Piscataway：IEEE Press， 2005： 807-814.

［20］MICHAEL M， SALMEN J， STALLKAMP J， et al. Real-time stereo vision： optimizing semi-global matching［C］∥Proceedings of the IEEE Intelligent Vehicles Symposium. Piscataway：IEEE Press， 2013： 1197-1202.

［21］BONTAR J， LECUN Y. Computing the stereo matching cost with a convolutional neural network［C］∥Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Piscataway：IEEE Press， 2015： 1592-1599.

［22］LU H H， XU H， ZHANG L， et al. Cascaded multi-scale and multi-dimension convolutional neural network for stereo matching［C］∥Proceedings of the IEEE Visual Communications and Image Processing. Piscataway：IEEE Press， 2019： 1-4.

［23］HUANG L， WU G P， LIU J Y， et al. Obstacle distance measurement based on binocular vision for high-voltage transmission lines using a cable inspection robot［J］. Science progress， 2020， 103（3）： 1-35.

［24］雷成， 胡占義， 吳福朝， 等. 一種新的基于Kruppa方程的攝像機(jī)自標(biāo)定方法［J］. 計(jì)算機(jī)學(xué)報(bào)， 2003， 26（5）： 587-597.

LEI C， HU Z Y， WU F C， et al. A novel camera self-calibration technique based on the Kruppa equations［J］. Chinese journal of computers， 2003， 26（5）： 587-597.

［25］翟振剛. 立體匹配算法研究［D］. 北京： 北京理工大學(xué)， 2010.

ZHAI Z G. Research on stereo matching algorithm［D］. Beijing： Beijing Institute of Technology， 2010.

［26］ZHANG T， LIU J H， LIU S L， et al. A 3D reconstruction method for pipeline inspection based on multi-vision［J］. Measurement， 2017， 98： 35-48.

［27］BAI S H， BAI S Y. Application of unmanned aerial vehicle multi-vision image 3D modeling in geological disasters［J］. Journal of information and optimization sciences， 2017， 38（7）： 1101-1115.

［28］陳星， 張文海， 侯宇， 等. 改進(jìn)的基于多尺度融合的立體匹配算法［J］. 西北工業(yè)大學(xué)學(xué)報(bào)， 2021， 39（4）： 876-882.

CHEN X， ZHANG W H， HOU Y， et al. Improved stereo matching algorithm based on multi-scale fusion［J］. Journal of northwestern polytechnical university， 2021， 39（4）： 876-882.

［29］WU C C. Towards linear-time incremental structure from motion［C］∥Proceedings of the International Conference on 3D Vision. Piscataway：IEEE Press，2013： 127-134.

［30］STURM P， TRIGGS B. A factorization based algorithm for multi-image projective structure and motion［M］∥Lecture Notes in Computer Science. Berlin： Springer Press， 1996： 709-720.

［31］CRANDALL D， OWENS A， SNAVELY N， et al. Discrete-continuous optimization for large-scale structure from motion［C］∥Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Piscataway：IEEE Press， 2011： 3001-3008.

［32］CUI H N， SHEN S H， GAO W， et al. Efficient large-scale structure from motion by fusing auxiliary imaging information［J］. IEEE transactions on image processing， 2015， 24（11）： 3561-3573.

［33］SERMANET P， EIGEN D， ZHANG X， et al. Overfeat： integrated recognition， localization and detection using convolutional networks［EB/OL］.（2014-02-24）［2022-09-12］. https：∥arxiv.org/pdf/1312.6229v4.pdf.

［34］EIGEN D， PUHRSCH C， FERGUS R. Depth map prediction from a single image using a multi-scale deep network［EB/OL］. （2014-06-09）［2022-09-12］. https：∥doi.org/10.48550/arXiv.1406.2283.

［35］張冀， 鄭傳哲. 基于多尺度CNN-RNN的單圖三維重建網(wǎng)絡(luò)［J］. 計(jì)算機(jī)應(yīng)用研究， 2020， 37（11）： 3487-3491.

ZHANG J， ZHENG C Z. 3D reconstruction network based on multi-scale CNN-RNN［J］. Application research of computers， 2020， 37（11）： 3487-3491.