张 智，刘子瑜，邱灵龙，王楦烨，董 旭

(1.浙江工业大学之江学院信息工程学院，浙江 绍兴 312030；2.浙江工业大学计算机学院，浙江 杭州 310023；3.浙江工业大学信息工程学院，浙江 杭州 310023)

近年来，视觉识别被广泛应用于视觉定位[1]、物品检测[2]、生物鉴别[3]等。随着智慧城市化、快递货运行业等方向的高速发展，视觉识别应用于机器人代替人工从事重复繁杂的工作非常普遍，且逐渐产生分拣机器人、自动包装机器人和视障辅助识别等多元化应用。

随着社会需求的增加，视觉识别的功能与性能也在逐步上升。利用视觉识别技术结合网络化和信息化的模式实现自动分拣成为安全监控、产品检查和自动包装等行业的主要研究和发展方向之一[4－6]。在对物体进行精准操作的应用中，关注物体整体三维形状是十分必要的。通过单目摄像头只能做到二维目标识别，部分研究中通过单目摄像头完成的三维物体识别需要结合图像处理算法获取其他信息，实质上识别的图像还是二维的。视觉识别研究中通常需要多视角或多目摄像头实现物体在三维空间上的目标识别。如Wiles等[7]提出的从单个和多个视图预测雕塑的3D表面学习方法中，使用2D剪影图像仍然受图像尺寸的限制，而多视图预测需要合成多个视图来估计三维。三维目标识别一般具有两个以上的摄像机[8－9]，随着大量摄像头的安装，监管者需要不断关注视频屏幕并从中提取信息，这对于人员来说在耐力和工作强度上都存在挑战。……