王俊锴，谭台哲，杨天宇

（广东工业大学计算机学院，广州510006）

0 引言

随着三维点云模型的广泛使用，在数字化文物、设计制造、虚拟现实等各个领域都产生了越多的点云模型的需求。大多数的点云生成步骤较为繁琐或者需要用到专门的采集设备（如激光扫描、RGBD摄像头等）。这些采集方式所得到的点云模型通常会受到场景中其他物体的相互遮挡、相机精度的原因，出现部分的结构缺失或者产生噪音。特别是对于物体一些必要的精细结构出现的区域缺失或改变，往往会丢失原有对象的语义信息。另外，在一些场景下比如增强现实交互、动画游戏，人们通常需要一个简单快速的方法提取图像的主要特征进行重建，由于这种情景下缺乏目标的完整信息，使用单个视图来生成点云具有实用性。

1 相关工作

1.1 单幅图像的三维重建

传统的三维重建方法需要依靠多个角度下的视图完成。在实际生活中，对于单幅图像，依靠对现实世界中各类物体的辨识，通常可以人为地推断出某个图像的拍摄角度，进而想象出拍摄对象的总体三维结构。近年来，随着深度学习方法的广泛应用以及相关数据集[1]的开源，基于数据驱动的从单幅图像生成三维模型的需求和应用也随之引起学者们的兴趣。其中生成数据主要分为体素和点云两种。相比体素，点云有着结构更为简单，分辨率更高且变换方式多样的特点，在深度学习方法上更具有优势。

Fan等人基于沙漏网络结构的自编码器[2]，提出把倒角距离和推土机距离用于度量点集之间的相似性，并作为点集真实值和预测值对应点坐标数值回归的损失函数，以解决点云这种无序序列的数据结构生成的难题。……