简介：从整体上分析MVS方案的优与劣

产生空洞的原因

MVS方案的传统算法之所以容易出现空洞，主要原因是特征点分布不均匀，因此从特征点进行扩散的时候，就会导致部分点无法被扩散到，导致没有重建该部分区域。照片质量不佳的时候也会出现空洞，也是因为这种情况下，没有办法很好地提取特征。

MVS分类

根据 S.Seitz[1]的分类方法，可以将多视图立体匹配的三维重建方法分为以下四类：
1）运用表面演化的方法
一般利用网格进行表面重构的方法叫做基于表面演化的方法。该方法采用的表面网格可以是三角形或者其他形状。初始的网格可以通过包围盒或者可视凸壳等获得。获取了初始结构以后再依据不同的准则收缩原始结构，从而得到目标的三维模型表面。由于收缩演化过程可能会造成栅格参数的自相交或者网格的拓扑结构变化，对此，Pons et al[2]等人提出了基于水平集的改进方法。
2) 运用体素的方法
体素类似平面图像上的像素，是三维空间分割的最小单位，这种方法先初始化了一个大体素的集合，然后依据不同的算法，按照不同的顺序遍历体素清除不符合要求的体素，保留的体素就是三维重建的最终模型。早期基于体素的方法都是基于颜色 和空间雕刻等方法实现的。由于早期方法在三维重建精确度水平比较低。G. Vogiatzis提出了通过图割的方法。图割方法的优点是对遮挡物具有很好的鲁棒性，缺点是由于体素结构不具有自适应性，还是无法得到高精度的重建结果。
3) 运用深度融合的方法
运用深度融合的方法以主要包含两个步骤：一是获得深度图：二是融合深度图得到三维重建模型。深度图中的每一个像素点的像素值都是依据真实空间点距离照相机的距离而计算出来的。

朗伯反射曲面

针对朗伯反射曲面，可以使用光度立体重建法。这种方法先采集到多幅灰度图像在不同光照条件下的物体表面法线分布。再结合初始边界或者边界条件，就可以进行三维重建。Carlos Hernandez“等人就运用该思想出了一种三维重建的方法。

参考文献

[1] A Comparison and Evaluation of Multi-View Stereo Reconstruction Algorithms
[2] Multi-View Stereo Reconstruction and Scene Flow Estimation with a Global Image-Based Matching Score

本文重点参考了《基于多视点图像三维重建算法的优化技术_姜宇航》