郑亦然， 程 健

(中国科学技术大学 信息科学技术学院，安徽 合肥 230026)

近年来，国家正逐渐重视和加大对实验室的建设，我国各个领域的实验室资源已经非常丰富和完善，建立了科研型、教学型、公共服务型、专业测试型、化验检验型等不同种类的大型实验室。实验室系统一般由多台电子计算机以及各种复杂的仪器设备组成。大型实验室系统占地面积巨大，运行环境复杂，运行条件严格，现场可能存在危险或存在距离远等其他原因导致的场地不可达情况，学生通过实验室系统可能很难有直观的认识。因此利用三维重建技术来还原实验室现场设备的工作状态和运行情况，在远程端就能快速熟悉了解设备的运作原理和工作过程，提供沉浸式的用户体验，能够在一定程度上降低实验室资源消耗，提高实验室的开放性和智能化，具有重要的现实意义。

目前，最为常见的三维重建方法主要有如下3种：基于深度传感器的重建、基于深度学习的重建和基于多视图的重建[1]。其中，基于深度传感器的重建方法是通过深度传感器和RGB图像完成重建[2]，然而该方法对硬件设备要求高，受距离限制大，并且需要事先对重建场景进行扫描，灵活性低，并不适合完成大规模的场景重建任务。随着人工智能和深度学习等相关技术的迅速发展和不断更新，一些基于深度学习的方法迅速崛起，如Yang等[3]提出的换卷积编码-解码网络，Tatarchenko等[4]提出的前馈网络，Reigler等[5]提出的OctNetFusion网络。……