9  概述

9.1 从二维到三维：构建计算机的空间感知体系

三维视觉技术是计算机视觉领域的重要分支，旨在让计算机理解和重建真实世界的三维结构。经过几十年的发展，该领域已形成了完整的技术体系：

传统几何方法构成了三维视觉的理论基础。相机标定建立了图像与现实世界的几何关系；立体匹配通过双目视觉恢复深度信息；三维重建则从多个视角的图像中恢复完整的三维场景。这些方法基于严格的几何理论，具有可解释性强、精度高的特点。

深度学习方法则代表了该领域的最新发展。点云处理网络如PointNet系列直接处理三维点云数据；3D目标检测网络能够在三维空间中定位和识别物体。这些方法具有强大的特征学习能力，在复杂场景下表现出色。

两类方法并非对立关系，而是相互补充。传统方法提供了坚实的理论基础和几何约束，深度学习方法则提供了强大的特征表达和泛化能力。现代三维视觉系统往往将两者结合，发挥各自优势。

9.2 破解维度诅咒：计算机三维感知的核心挑战

人类视觉系统能够轻松感知三维世界：判断物体的远近、估计空间的大小、理解场景的布局。这种能力如此自然，以至于我们很少意识到其复杂性。然而，对于计算机来说，从二维图像中恢复三维信息是一个极具挑战性的问题。

深度信息的缺失是核心挑战。当三维世界投影到二维图像平面时，深度信息不可避免地丢失了。一个像素点可能对应三维空间中的任意一点，这种一对多的映射关系使得深度恢复成为一个病态问题。

视角变化的复杂性进一步增加了难度。同一个物体从不同角度观察会呈现完全不同的外观，相机的位置、姿态、内部参数都会影响成像结果。如何建立图像与现实世界之间的准确对应关系，是三维视觉必须解决的基础问题。

数据表示的多样性也带来了挑战。三维信息可以用深度图、点云、体素、网格等多种形式表示，每种表示都有其优缺点。如何选择合适的表示方法，如何在不同表示之间转换，都需要深入思考。

9.3 智能时代的空间革命：三维视觉的广阔应用前景

三维视觉技术在现代科技中发挥着越来越重要的作用，其应用领域广泛且影响深远。

自动驾驶是三维视觉最具挑战性的应用之一。车载传感器需要实时感知周围环境的三维结构：前方车辆的距离、行人的位置、道路的坡度、障碍物的形状。这些信息直接关系到行车安全。现代自动驾驶系统通常融合摄像头、激光雷达、毫米波雷达等多种传感器，构建精确的三维环境地图。特斯拉的纯视觉方案展示了基于摄像头的三维感知能力，而Waymo的激光雷达方案则体现了点云处理的重要性。

增强现实（AR）和虚拟现实（VR）技术的核心是虚实融合。AR应用需要准确理解真实场景的三维结构，才能将虚拟物体自然地放置在现实环境中。苹果的ARKit、谷歌的ARCore都大量使用了三维视觉技术。VR应用则需要实时追踪用户的头部和手部姿态，构建沉浸式的三维体验。

机器人技术中，三维视觉是实现智能操作的关键。工业机器人需要精确定位零件的位置和姿态；服务机器人需要理解室内环境的布局；手术机器人需要重建人体器官的三维结构。波士顿动力的机器人能够在复杂地形中稳定行走，很大程度上依赖于先进的三维感知能力。

医疗影像领域，三维重建技术帮助医生更好地诊断疾病。CT、MRI扫描产生的二维切片可以重建为三维模型，为手术规划提供直观的参考。计算机辅助手术系统能够实时追踪手术器械的位置，提高手术精度。