基于图像的「三维重建」核心算法有哪些？

基于图像的三维重建是计算机视觉领域的一个非常重要的研究方向。在计算机视觉国际顶级会议 CVPR 2018论文录用名单中，以“3D”为名的文章高达83篇，涉及三维视觉的工作更是超过了 90 篇，占比高达收录论文的10%左右。

由此可见，现实世界对象的三维重建是科研的前沿热点问题，也是计算机视觉、计算机图形学以及虚拟现实等领域中的共性科学问题与核心技术。

目前，三维重建技术已广泛应用于定位、导航、自动驾驶、AR、工业制造等领域。京东、腾讯、美团、高德等名企都在争相招聘相关岗位人才，薪资更是非常可观。

>>点击图片，查看大图<<

（数据来源：boss直聘）

面对三维重建广阔的发展前景，很多伙伴想要进入该领域，但三维重建不仅要具备深厚的数学功底，同时也需要熟练的C\C++编程能力，相较于其他视觉领域，入门门槛要高很多。而市面上又很难找到系统的学习资料，这更是增加了自学的难度。

企业需求高，学习难度大，如何摆脱这种困境呢？

基于此，深蓝学院开设了『基于图像的三维重建』在线课程。本课程时隔两年，重磅回归，全新录制，并且一些章节新增了结合深度学习的方法，了解三维重建发展的前沿技术。

（三维重建流程）

（图片来源：课程PPT）

通过本课程的学习，大家能够快速建立完整的知识架构体系，理解整个系统的原理和技术流程，大家在透彻理解传统的图像建模方法的同时，能够一起探讨结合深度学习的前沿发展技术！

针对代码实践，团队对三维重建开源系统MVE进行了较大程度的重构，整套系统的代码，仅仅调用了libpng、libjpeg、libtiff、eigen等库，逐行手写核心算法函数的全部代码，便于大家理解核心操作的原理。

讲师简介

隋唐

高级算法工程师

原中科院自动化所助理研究员

中科院自动化所模式识别与智能系统博士

博士期间的主要研究方向为三维计算机视觉与计算机图形学，研究课题为基于图像的三维建筑模型重建，在顶级国际期刊 IEEE TVCG 等主流期刊会议以第一作者发表多篇文章。

同时，基于博士期间的研究成果，研发若干三维重建相关系统并申请专利。

详尽的课程内容

实践项目介绍

ImagBasedModellingEdu是用于《基于图像的三维重建》课程配套的代码。该代码来源于著名的开源三维重建开源系统MVE。我们在其基础上对代码的架构进行了调整，使其更有助于阅读和学习。该工程项目采用 CMake 管理，可方便进行跨平台的编译。

代码包含特征提取与匹配、对极几何、运动恢复结构、稠密重建、表面重建以及纹理贴图等模块，将随着课程的深入不断进行更新。

>>点击图片，查看大图<<

学完这门课可以收获什么？

1. 掌握运动恢复结构（Structure From Motion）的算法框架和基本原理；

2. 掌握主流的稠密点云重建的算法框架和基本原理；

3. 掌握表面重建、纹理图像自动生成和编辑的技术原理；

4. 具备利用图像建模的基本技术和原理完成室内重建、图像拼接、纹理贴图、3D可视化渲染等实际项目的能力。

* 此外，通过本门课程还可以了解深度学习在SFM方向的前沿进展以及未来的发展趋势。

除此之外还会享有哪些服务，能够收获什么呢？

· 优质的学术圈子，伙伴们大多是来自985、211及海外高校硕博，在同一个社群中交流学习进步；

· 含金量高的证书，学习完课程能够获得讲师亲笔签名证书，为自己简历添光增彩；

· 三师助力，讲师&助教及时答疑解惑，班主任全程带班督学，帮你克服拖延，不断进步；

· 定期班会，助教会对作业进行1V1讲评和指导；在班会中，学习更多技巧；在交流中收获更多思路。