计算机工程

作者：高雨菲, 贾鑫, 黄张驰, 许志男, 霍鹏飞, 陆芷茵

单位：天津理工大学工程训练中心, 天津 300384

关键词：多视图三维重建,点云,区域一致性,旋转不变性,特征聚合

基金：国家自然科学基金青年基金(62302335); 天津市大学生创新创业项目(202310060026)

多视图三维重建旨在通过多张二维图像恢复给定对象的三维形状。然而, 现有方法忽略了学习对象的旋转不变性以及区域一致性, 难以准确聚合多视图特征, 造成重建结果细节丢失。为了解决该问题, 提出一种基于旋转不变区域一致性的双视图点云重建方法(DPR2)。DPR2以两张RGB图像作为输入, 在探索对象区域旋转不变性的基础上, 学习跨视图对象的区域一致性, 促进多视图特征聚合, 并重建给定对象的精细点云。在编码阶段, 首先引入点云初始化网络, 为每个视图初始化一个粗糙点云; 其次, 提出区域级旋转不变特征提取网络, 通过计算两点之间的欧氏距离来捕捉粗糙点云不同区域的旋转不变特征。在解码阶段, 设计双阶段交叉注意力机制, 它可以构建跨视图点云的高质量区域一致性, 从而准确实现多视图特征聚合。另外, 设计一种点云细化网络, 利用被聚合的特征, 将粗糙点云细化为具有细粒度细节和光滑表面的点云。在ShapeNet和Pix3D数据集上的大量实验结果表明, DPR2的重建性能优于现有先进方法, 与最新方法P2M++、MVP2M++相比, DPR2的倒角距离(CD)分别改善了23.62%和9.06%。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期