基于图像的三维场景重建经过多年的创新和发展,已经成为计算机视觉领域的重要研究内容之一。而建筑物等规则场景与人们日常生活息息相关,因此基于图像的规则场景三维重建有重要的研究和实用价值。本文正是研究如何利用规则场景的结构语义先验信息,实现三维场景重建的算法。传统基于图像的三维重建算法对规则场景重建效果不佳。但是规则场景中普遍含有共面、共线等结构化特征,合理利用这类几何先验信息对重建三维结构有很大帮助作用。本文正是围绕着规则场景中结构先验信息的利用展开研究。由于规则场景中共面结构的普遍性,因此本文利用共面先验估计三维显著平面。估计共面结构时,没有采用常用的Manhattan-world模型等强假设结构来简化处理规则场景,而是利用共面结构存在的先验信息,在已获得的三维有向点云的基础上,通过对三维点方向和点位置偏移聚类,估计三维候选平面的法线方向和偏移位置。这样便放宽了以往学者对规则场景重建的强结构模型,对平面方向没有预先进行任何假设,突破了上述模型的限制,可以处理更普通的结构,这就提高了算法的适用性。深度信息的获取是三维重建一项重要的任务,本文根据规则场景结构成像的先验信息,构建马尔科夫随机场能量函数,并最优化求解得到分段共面深度图。本文不是以离散化的深度值,而是以更大粒度的三维显著面为标注,不是以像素,而是以更大粒度的图像分割区域为节点,来建模能量代价函数,利用大粒度基元的结构化约束,产生更准确的区域标注分布。消失点是规则场景中三维平行线关系的二维体现,消失点的估计是单视图三维重建一项非常重要的技术。本文首先采用基于LSD的线段检测算法提取二维图像直线段,接着定义消失点最优解结构——交点频率函数图和交点邻域密度图,最后利用AGS算法估计消失点。