虽然近年来模型扫描技术、建模技术的进步使得三维数字模型的获取变得更加便捷,但对于大部分人来说得到想要的三维模型仍旧存在困难,因此基于单张图片的模型重建方法存在着广泛的应用空间和研究前景。传统的模型重建方法往往需要很多额外信息,难以仅用一张图片重建出完整模型,同时随着深度学习技术的发展和大规模三维数据库的发布,基于数据驱动的单张图片重建技术正越来越受到重视,并吸引了越来越多研究者的关注。目前的重建方法大都只考虑了生成模型的形状而忽略了对模型结构的感知,为此本文从模型结构感知出发对单视角模型重建技术进行了研究,提出了两种模型重建方法并基于这两种方法实现了一个单张图片模型重建原型系统。本文主要成果包括以下三点:（1）设计了一种基于全局结构感知的点云模型重建方法。该方法使用点云自动编码器学习模型潜在编码空间,再利用图片编码器学习图片到对应模型点云的映射,来保证生成模型与目标大体接近。同时提出了一种点云感知损失度量方法,该损失函数通过对两个模型的高层特征进行约束使网络生成的模型在整体结构上更加接近目标模型。实验表明这种方法能使生成的点云模型更加均匀并且能很好地概括模型的整体结构。（2）设计了一种基于语义结构感知的模型重建方法。本文从模型的语义结构感知角度出发提出了一种能同时生成模型层次结构和各个语义部件的形状细节的方法,该方法首先使用递归神经网络构建模型的层次结构再生成部件形状,并在生成时同时考虑图片整体特征、部件级特征和从图片提取的局部特征从而更好得还原模型细节。该方法在单视角模型重建任务上取得了很好的效果,并且生成的模型自然地包括了语义分割信息。（3）实现了一个单视角模型重建原型系统。通过整合本文提出的单张图片模型重建方法,本文设计与实现了用于三维模型重建的原型系统。该系统旨在帮助没有三维建模经验的用户利用本文提出的两种算法快速地从单张图片中重建出想要的模型,同时提供了将不同模型语义部件进行组合的功能。本文介绍了该系统主要功能模块、数据结构设计,并通过实例展示了系统使用方法和实现效果。