随着三维点云在自动驾驶、虚拟现实、机器人导航等领域的应用,三维点云重建任务受到了研究人员的广泛关注。三维点云重建旨在从单张或多张视图中重建出所包含物体的三维点云模型。本文在深入分析三维点云重建关键问题的基础上,以提高三维点云重建精确度为目标,基于深度学习开展了单视图三维点云重建技术和多视图三维点云重建技术研究。本文实现了一种深度图辅助的单视图三维点云重建方法,利用从RGB图像中估计的深度图作为辅助,获得重建过程必要的深度信息,从而更精确地重建三维点云。首先,为了有效挖掘深度信息,将基于RGB图像深度估计获得的深度图送入深度特征学习分支以学习多层级的深度特征。同时,将RGB图像送入RGB图像特征学习分支以挖掘图像的几何及语义特征。然后,引入基于注意力的深度融合模块融合RGB特征和深度特征,将来自不同分支的特征嵌入到公共特征空间,以学习联合图像信息和深度信息的RGB-D特征表示。最后,将融合后的RGBD特征送入点云重建模块进行三维点云重建。通过深度图的辅助,网络能够从单视图输入中更准确地进行三维点云模型的重建。在公开数据集上进行的对比实验结果表明,所实现的方法获得了良好的重建精度。本文同时提出了一种稀疏到稠密的分阶段多视图三维点云重建方法,采用从稀疏到稠密的策略,分阶段地重建稠密且精细的三维点云。该方法包括跨视图交互的稀疏重建模块和全局引导的稠密重建模块。首先,跨视图交互的稀疏重建模块通过挖掘跨视图间的互补信息,从每个输入视图中重建出结构完整但较稀疏的点云模型。然后,为了进一步优化稀疏点云,使其包含更准确的结构和更丰富的细节,引入全局引导的稠密重建模块,利用多层级的全局特征引导稀疏点云的特征学习过程,从而学习有效表征细节信息的点云特征。最后,将学习到的点云特征送入生成层,生成细节丰富的稠密三维点云。在广泛使用的三维重建数据集上的实验表明,该方法优于当前最先进的方法。