三维目标建模作为人机交互领域的重要组成部分,具有重要的研究价值。三维目标建模方法的实时性和准确性是实现物体感知的重要条件。本文以静态场景和动态场景下的三维目标建模为研究课题,重点研究从图像中生成物体在自由视点和相机视点下的几何形状。研究内容主要分为三个部分,包括面向静态场景的三维目标建模、面向动态场景的三维目标建模以及真实交通场景中的车辆目标建模。面向静态场景和面向动态场景的三维目标建模方法中都采用解耦化的结构,可以同时生成相机视点和自由视点下三维目标模型,并通过相机视点的弱监督学习方式提升网络对于未知视点物体的预测准确性。另外,两个方法都采用了类别信息的弱监督学习方法来提升网络对于非训练集类别数据的泛化能力。面向静态场景的三维目标建模任务中提出了基于单张图像的三维目标建模方法STNets,结合深度学习架构与可解释性方法,对图像特征到几何模型的映射关系进行了解耦,一定程度上提高了方法的可解释性,同时实现了自由视点下物体的几何建模以及相机视点的估计。针对几何模型的基本表征问题,采用非均匀有理B样条曲面表达三维目标形状,通过相机视点的转换生成相机视点下的三维目标形状,提高了几何模型的表征效率。与现有的方法相比,相机视点下的三维形状生成的准确性综合指标提升了8.4%。面向动态场景的三维目标建模中提出了基于视频的时空网络VSTNets,采用深度学习架构的方法,实现从单目视频数据中生成自由视点下的目标几何形状和相机视点。VSTNets中的空间特征提取模块是用来处理图像中物体的局部空间关系和全局空间关系,提取对象的空间特征,生成自由视点的三维形状以及相机视点。VSTNets中的时序特征提取模块提升网络预测的时间一致性和连续性。VSTNets在基于Shapenet的渲染视频数据集上验证了该方法,与STNets相比准确性综合指标提升了53.0%。针对实际应用中的场景,探索并设计了一种真实交通场景中的车辆目标建模应用架构,通过比较不同方法的运行效率、准确性,选择合适的方法进行实际应用,通过实验验证了该设计方案的有效性,并定性的分析了实验的效果。