三维深度信息的配准按不同的图像输入条件与重建输出需求被分为：粗糙配准、精细配准和全局配准等三类方法。粗糙配准研究的是多帧从不同角度采集的深度图像。首先提取两帧图像之间的特征点，这种特征点可以是直线、拐点、曲线曲率等显式特征，也可以是自定义的符号、旋转图形、轴心等类型的特征。随后根据特征方程实现初步的配准。粗糙配准后的点云和目标点云将处于同一尺度(像素采样间隔)与参考坐标系内，通过自动记录坐标，得到粗匹配初始值。

双目重建通常又称之为，立体匹配、双目匹配、双目立体视觉、静态匹配等。

根据所用的相机差异，比如zhen孔相机、鱼眼相机，实现略有差别。根据重建时匹配方式的不同，又可以分为全局、本全局、局部匹配。

其过程可描述如下：利用左右相机得到的两幅矫正图像，通过一幅图在另一幅图上找匹配，然后根据三角测量原理***出环境三维信息。在鱼眼相机的匹配中，也有不矫正图像，直接匹配的做法，这样做需要计算图像极线。  

由于整个匹配的过程只需一个时刻的左右图像，所以也有人称为静态立体视觉。

说三维重建首先要从计算机视觉讲起。计算机视觉包含两个基本方向，物体识别和三维重建。图像识别的突破性进展源自于2012年卷积***网络（CNN）的兴起。在此之前，计算机视觉的核1心研究方向是三维重建。因为在当时，对于图像的特征提取主要是通过三维重建的方法来定义和实现的。自2012年以来，图像的特征便逐渐由***网络来自动学习。

三维重建的应用是很广泛的，对于自动驾驶、VR、AR等应用领域应用来讲，三维重建是核1心技术，并且实时三维重建是必然趋势，因为我们生活在三维空间里，必须将虚拟世界***到三维，我们才可以和环境进行交互。

大势智慧是一家专注于真实世界三维数字化重建及三维数据服务的高新技术企业，公司在城市高精度三维建模、模型应用及语义化理解和文化遗产数字化保护领域具有***的技术优势和丰富实践经验。

常见的三维重建表达方式

三角网格就是全部由三角形组成的多边形网格。多边形和三角网格在图形学和建模中广泛使用，用来模拟复杂物体的表面，如建筑、车辆、***，当然还有茶壶等。任意多边形网格都能转换成三角网格。