近年來，隨著計算機硬件的不斷快速更新，計算機的處理能力也不斷變強。同時場景三維模型的獲取技術(shù)越來越成熟，我們獲得場景的三維模型數(shù)據(jù)的方式更多也更加方便了。而目前在基于單目和雙目的三維重建技術(shù)中，單目技術(shù)較雙目操作簡單、而且取材方面更有利于推向市場。本文主要講述基于單相機的三維重建，然后通過基于累積圖的快速NCC匹配的種子擴張算法來進行高精度的三維場景重建。本章對經(jīng)典的NCC相似度量函數(shù)進行優(yōu)化，以此減少計算時間。而種子像素擴張算法即先選擇初始的種子像素，利用視差圖進行窗口比較從而獲得高置信度的種子像素，因此大大降低了視差圖的誤匹配點。試驗表明，該方法能夠得到高質(zhì)量的三維場景模型。

　　近幾年來，隨著計算機領(lǐng)域的各個方面的快速發(fā)展，人類的生產(chǎn)生活中處處可見計算機的影子，尤其是3D 打印技術(shù)的發(fā)展促使三維重建技術(shù)快速發(fā)展，這使得三維重建技術(shù)逐漸成為計算機領(lǐng)域的一個研究熱點。不同領(lǐng)域的研究人員都致力于研究解決如何快速且便捷地獲取三維信息。三維信息也被廣泛應用于不同的領(lǐng)域，比如，機器人領(lǐng)域的自動導航以及計算機視覺中的自動識別物體，這兩者都需要獲取目標物體的精準的三維數(shù)據(jù)；建筑學中需要通過高精度的三維重建來實現(xiàn)預知建成效果；考古學中需要通過三維重建來實現(xiàn)對文物的保護以及維修工作。來自多個領(lǐng)域的大量需求要求三維重建需要有較高的精度。

　　依據(jù)使用的傳感器的不同可以將三維重建的方法進行分類。第一類利用主動距離傳感器，比如激光掃描儀，激光掃描儀通過激光掃描目標物體能夠獲得精準的三維信息從而構(gòu)建出高精度的三維模型，但是該設(shè)備比較笨重而且價格昂貴，因而主要應用于科研領(lǐng)域。結(jié)構(gòu)光法也能夠構(gòu)建高精度三維模型，但是需要借助投影儀的幫忙，而且在室外高亮度環(huán)境下難以工作，從而使得其只能局限于室內(nèi)環(huán)境的應用。另一類方法用到被動距離傳感器——攝像機。近年來，立體視覺被廣泛地運用。不過該類方法一般需要固定相對位置且拍攝同步的兩臺攝像機來構(gòu)成整個系統(tǒng)，同樣使用較為復雜且價格不菲。相比之下研究僅利用一臺手持式數(shù)碼攝像機實現(xiàn)基于立體視覺技術(shù)的三維重建的方法，具有設(shè)備簡易、使用方便以及成本低廉等長處，并且非常容易在其他領(lǐng)域得到推廣應用。

　　自多視覺幾何被提出以來，基于視覺的三維重建發(fā)展快速。Pollefeys 等人的三維重建系統(tǒng)使用自帶的單目攝像機繞著目標拍攝一系列的連續(xù)圖像，通過處理這些圖像來重建出三維模型，獲取的圖片越多重建出效果就越真實。但是該算法比較復雜，耗時較長。Snavely 等人提出了一種基于無序互聯(lián)網(wǎng)圖像序列的視覺重建方法，但是其并不能獲得一個致密的三維重建結(jié)果。A Geiger 等人發(fā)明了一種基于雙目立體視覺的實時三維重建方法，從而獲得致密的三維重建結(jié)果，但是立體視覺系統(tǒng)結(jié)構(gòu)比較復雜。中國科學院自動化研究所機器視覺課題組致力于視覺重建的發(fā)展和研究，他們利用多視角的高分辨率的建筑物圖像就可以自動獲取建筑物三維模型，并將該技術(shù)應用在建筑保護方面。微軟研究院（MicrosoftResearch）在2013 年推出了Kinect Fusion 項目，Kinect Fusion 利用Kinect 傳感器（深度相機）可以直接得到目標場景的深度圖像數(shù)據(jù)，將傳感器繞著目標物體或場景移動就可以獲得不同角度下的多組深度圖像數(shù)據(jù)并實時地構(gòu)建場景三維模型。但是一開始傳感器獲取的數(shù)據(jù)會有很大的誤差從而導致開頭的重建模型很不精確。

　　本章針對現(xiàn)有三維重建算法的運算時間和精度兩大研究熱點提出了基于累積圖和種子像素提取算法的高精度的三維重建系統(tǒng)。通過基于累積圖快速NCC 匹配算法來降低圖像匹配的算法復雜度，從而大大降低了運算時間。利用種子像素提取算法獲得的高置信度的種子像素，有效地減少了誤配點，使得重建結(jié)果更加精準和真實。