第1章 引言

1.1 何为“3D视界”

3D是Three Dimensions的缩写。与2D（Two Dimensions，2D）平面相对应，3D空间就是三维的立体空间。

提到“3D”，很多人的第一反应可能是电影院里的3D电影，游戏迷想到的或许是3D游戏。3D电影是利用人眼的双目视差特性，将两个影像进行叠加，从而产生3D立体效果；而3D游戏则是构建一个3D立体空间，其中所有的基础模型都是3D立体模型，游戏场景更加真实。这些应用侧重的是感官上的3D特效，而我们所说的“3D视界”，不仅包括这些，还涵盖了对客观存在的现实空间的3D度量，如设计师设计的各种家装3D模型，以1∶1的比例还原真实物体的尺寸。另外，很多人都玩过Xbox体感游戏，而Xbox游戏机的体感周边外设Kinect，实际上就是一种3D相机。除此之外，苹果手机的“Face ID”面部解锁、近些年发展迅猛的3D打印等都是典型的3D应用。

计算机视觉作为人工智能的一个分支，侧重的是视觉方面的研究，通过相机获取图像，然后利用计算机对采集的图片或视频进行处理，最终实现用机器代替人来进行测量和判断等。从20世纪50年代至今，计算机视觉已经有了几十年的发展历史。20世纪60年代，Roberts尝试通过计算机提取3D多面体，开始了对3D计算机视觉的研究；20世纪70年代，马尔计算视觉理论被提出后，各种计算机视觉的理论和方法不断涌现；20世纪90年代，计算机视觉得到进一步发展，尤其是多视几何理论的提出，极大地加快了3D视觉的研究进程；到21世纪，深度学习崛起，席卷了计算机视觉各研究领域。总体来说，目前计算机视觉的体系架构和理论方法都相对成熟，业界已经有很多进入市场的应用，如OCR车牌识别、人脸识别、行为分析等。

这些应用基本上都是基于2D视觉的，而在现实场景中，2D视觉技术存在一定的局限性，难以满足实际的应用需求。

首先是光照的影响。与3D图像相比，基于RGB图像的研究和应用更加依赖纯图像特征，所以在光照条件较差的情况下，效果都会非常差。这一点，大家在平时使用手机相机拍照时应该深有体会。

其次，2D相机无法直接测量物体的物理尺寸，通常需要一些额外的标定操作。基于2D相机采集的图像，可以检测一些平面的形状，但很难得到其他物理特征，如物体倾斜角度、物体位置、物体体积等。这一点带来的影响在后续的章节中会陆续提到。

此外，2D相机依赖目标之间的对比度，很难检测同色背景中的同色物体，无法区分具有相同颜色的物体。

还有一点是物体运动带来的影响。由于2D相机只能检测平面特征，当物体沿着传感器的光轴方向移动时，虽然可以通过时域特征和近大远小的特点检测到物体的运动，但无法精确获得其运动轨迹。同时，还存在另外一个问题，就是在识别物体时需要使用尺度不变的特征。

综合以上几个方面，我们可以发现，2D视觉技术虽然已经普及，但在实际应用时仍然存在诸多约束。而且，在本质上，我们所处的世界是立体的，仅使用2D视觉去感知3D世界显然是不够的，因此，3D视觉的应用十分必要。