要（yào）说（shuō）AI技术（shù）里（lǐ）什么最火，机器视（shì）觉绝对算一个；而要说（shuō）机器视觉技术里（lǐ）什么最火，大概毫无争议就（jiù）属3D机（jī）器视（shì）觉了。

所（suǒ）谓3D机（jī）器视觉，是指在一般的机器视觉技术的基础（chǔ）上，加（jiā）入对立体（tǐ）空（kōng）间中（zhōng）三（sān）维（wéi）模型的理解（jiě）。这（zhè）项技术不仅涉及AI，而是一门机（jī）器视觉、图形学与数（shù）据（jù）感（gǎn）知（zhī）技术的交叉学科。想想也知道，让机器认识3D画面是非（fēi）常有价值的。毕竟人的视觉（jiào）理（lǐ）解就是3D的，想要让AI尽量贴近真（zhēn）人的感知方式，3D是（shì）必须攻克的（de）难（nán）题。

在（zài）产业场景上（shàng），3D机器视（shì）觉是无人驾驶和高精（jīng）地图的重要（yào）技术条件，在VR/AR上应用也非（fēi）常广泛，而无人（rén）机航拍（pāi）与测绘也（yě）离不开这（zhè）门技（jì）术（shù）。在（zài）苹果把3D结构（gòu）光技术炒火了之后，手机中的3D机器视觉也（yě）已经成为兵（bīng）家必争之地——假如说，这（zhè）些厉害的技术都是赛（sài）车（chē），那么3D机器视觉就是他们在路上都会遇到的收费站（zhàn）……

今天在机器视觉顶会中，差不多会有（yǒu）半壁江山（shān）那么多的（de）论（lùn）文都是跟3D有（yǒu）关。前（qián）沿探索（suǒ）可谓疯狂进行。然而重点来了，关于这（zhè）一（yī）领域，似乎大（dà）部分吃瓜群众还是只（zhī）知道一个结（jié）构光而已（yǐ）。

有（yǒu）哪些（xiē）三维图像+机器视觉的新技术趋势，今天正隐（yǐn）藏在未知（zhī）迷（mí）雾中眺望这个（gè）世界？今天我（wǒ）们来说几种很有科幻感的（de）技术突破点（diǎn）。说（shuō）不定这些（xiē）能力（lì）明年（nián）就会出现在你的手机、VR设备和无（wú）人机中，又或许即将成（chéng）为某个被资（zī）本疯（fēng）狂亲吻的创业（yè）热潮。

超大（dà）场景的3D数据感（gǎn）知

3D机器视觉（jiào）包括（kuò）很（hěn）多方（fāng）面，既有让智（zhì）能体去理解3D数据，也包括如何通过机器视觉（jiào）的解决方案（àn），去获（huò）取3D模型数据。

传统意义上的（de）3D数据获取，或者称其为3D感知技术，一般来说可以利用多角度拍照或者深度传感器的方式实现3D数据收集。这种技术的局（jú）限在于，收集的3D数据不能太大（dà）。

然而在3D资料要求（qiú）不（bú）断升级的今（jīn）天，对于超大场景的（de）3D数据感知，正在成为一个热门议题。比如（rú）无（wú）人驾（jià）驶中使用的城市高精地图，就可以看（kàn）做一个个超大3D场（chǎng）景（jǐng）的拼接（jiē）。智能城市领域（yù）运用到的很多城市数（shù）据推演，也要根植（zhí）于对城市3D场景的收集。

portant;" />

机器视觉正在为超（chāo）大场景的3D数据（jù）感知提（tí）供很多（duō）新（xīn）的（de）方法。比如自动化的成像（xiàng）方法，像视觉SLAM在线处理连续帧的图像，实（shí）现实时重建（jiàn）巨大（dà）3D场景。再（zài）比如（rú）说对航拍数据进行点云分割和点云数据的语义理解（jiě），帮（bāng）助快速低成本获取（qǔ）城市3D数据。

总（zǒng）体来看，今（jīn）天超大场景的3D数（shù）据（jù）感知（zhī），有（yǒu）三个主要应用方向，很可能分别成为各（gè）自技术领域中新的投资和（hé）创业（yè）热点：

1、建筑物的3D高精度模型，运用在（zài）工程（chéng）监理（lǐ）、智能设（shè）计、物（wù）流（liú）和智能城（chéng）市领域。

2、高精地图与3D数据感知的结合，这（zhè）是无（wú）人（rén）驾驶的重要一（yī）环。

3、室内外（wài）一体的3D建模，这对（duì）于智能家居设计、环境监控、VR/AR体（tǐ）验来说都有重要帮（bāng）助。

手（shǒu）机（jī）与3D视觉（jiào）进入蜜月期

3D结构光，今天已经当之无愧成为了高（gāo）端手机（jī）的标配，成为了继双摄、三摄与屏下指纹（wén）之后又一个手机（jī）行业争抢（qiǎng）的热点。

然而手机上的3D视觉技术远不止于结构光，从算法、传（chuán）感硬件，到影（yǐng）像系统解（jiě）决方（fāng）案，都可（kě）能成为手机与3D视觉进一步耦合的关键因素。

今天来看，有3个相关趋（qū）势非（fēi）常可能成为明（míng）年的热点。一（yī）个（gè）是（shì）基于芯片端进行的3D视觉（jiào）算（suàn）法加速，这很（hěn）可能成为（wéi）手机AI的下一（yī）个进化方向。第二个（gè）是高纠错（cuò）能力的3D视觉（jiào）算法将（jiāng）会普（pǔ）及，在终端（duān）实现3D数据收集和本地建模将会成为新的热点。第三个是后置摄像（xiàng）头加（jiā）入（rù）3D视觉（jiào）解（jiě）决方案指日可待。

从芯片端，到（dào）开（kāi）发平（píng）台，再到数据集、传感（gǎn）系统，3D机（jī）器视觉（jiào）正在（zài）多个领域影（yǐng）响手（shǒu）机战场的走向，在这些领域储（chǔ）备技术武（wǔ）器（qì），也很可（kě）能成为明年手机战场厮杀的（de）关键节点。

portant;" />

AR/VR中的位姿估计（jì）技术

为什么我们在玩AR体验的时候，经常会觉得手机里的东西放在摄像头视野（yě）中并（bìng）不真实，像（xiàng）是（shì）漂浮在（zài）地板上（shàng）一样。

这就是因为位姿估计算法不够精准，无法正确定位物体的空间关系。在机器视觉（jiào）技术的进化下，今天很多位姿估计（jì）技（jì）术正在同步进化。比（bǐ）如基于动态特征提取算法，达成的动作定位今天已经比较（jiào）成熟。

这东西听（tīng）起（qǐ）来挺玄乎，到（dào）底是干啥用的呢？它的最大应用场景，就是在VR/AR正（zhèng）确处理场景中（zhōng）动（dòng）态（tài）物（wù）体的（de）空间（jiān）关（guān）系和运动轨迹。比如（rú）你在VR里玩（wán）踢球游戏，球应该在什么位置挨踢，以什么（me）轨迹撞墙，都有赖（lài）于位姿估计算法（fǎ）来（lái）校（xiào）准。

在（zài）机器视觉算法的帮助下，更精（jīng）细的位姿估计正在到来，而这（zhè）也加速了成熟MR体验的到来。另一方（fāng）面，在VR设备或（huò）者手机当中，基于摄像头与传感器协同运（yùn）作来（lái）完成位姿估计，也是（shì）沉浸技术中（zhōng）即将发生的一个亮点。

portant;" />

通过散乱（luàn）数（shù）据达成三维建模

3D机器视觉的最重要任何，肯定是（shì）基于（yú）数据来实现（xiàn）3D建模（mó）。这个应用在产业端十（shí）分（fèn）重要，地理信息系统、勘探、工程，以及（jí）无人（rén）驾（jià）驶，都需要大量的3D建模工作来参（cān）与。

而消费者（zhě）级的（de）3D建（jiàn）模今天也在到来，我们已经可以（yǐ）看到在手（shǒu）机端通（tōng）过3D结构（gòu）光来完成数据收（shōu）集，从而达成3D建模的玩法。

跟3D感知一（yī）样，3D建模也是利用摄像头或（huò）者传（chuán）感器来收集数据，最终通过不同的（de）解决方（fāng）案（àn）完（wán）成建（jiàn）模。

然而这个领域还是有很多问题等待解决。比如说（shuō），今天（tiān）我们进行3D建（jiàn）模时，还需要非常痛苦的一点（diǎn）点收集数据，必须保证（zhèng）数据的（de）对齐（qí）和精准排列。否则出来的3D模（mó）型就（jiù）是杂乱无章的。这显然让大（dà）众完3D建模（mó）的热情减退，并且给很（hěn）多工程级项目（mù）增（zēng）添了非常多难度。

AI的到来，正在（zài）帮助这种情况有所改变。在深度学（xué）习算法的帮助下（xià），机器视（shì）觉领域正在研究如何在散乱、不规则、巨大数（shù）量（liàng）的数据中完成（chéng）3D建模。这需（xū）要对抗生成以及先验表示等非常多的方案，但带来（lái）的效果（guǒ）非常值得期（qī）待。

portant;" />

比如说今天已经有3D建模（mó）方（fāng）案，在深度学习的帮助下实现对密林的重（chóng）建（jiàn）。然而（ér）其用（yòng）来进行点（diǎn）云（yún）建模的图像数据中（zhōng），有很多被树叶遮挡（dǎng）的部分。这时候（hòu）就（jiù）可以用（yòng）AI来增强3D建模的先（xiān）验知识，主动（dòng）“脑补”出（chū）遮挡物（wù）背（bèi）后的真实（shí）样子。

不仅是（shì）修复遮（zhē）挡模型和（hé）瑕疵数据，机器视觉技术与（yǔ）3D建模的融合（hé），还（hái）可以让很多无人设备具有更（gèng）雪亮（liàng）的“眼睛”。比如无（wú）人驾（jià）驶汽车（chē），或（huò）许可以基（jī）于“大（dà）脑”中的3D建模算法，来脑补（bǔ）智（zhì）能摄像头尚未发现的环境。这点在复杂立交桥和停（tíng）车场中（zhōng）格外有（yǒu）用。

在消（xiāo）费者端，3D建模与机器视觉的结合（hé）也将带来新的（de）想象力（lì），比如消费（fèi）者可以根据照片来重建精准的（de）3D模型，或（huò）者傻瓜式完（wán）成建模要用的（de）数据（jù）收集（jí）。让不那（nà）么专（zhuān）业的人（rén）也能建（jiàn）设出专业的3D模型，这个改变背后的想象力惊人（rén）。

更好的深度传感器解（jiě）决方案

还有一个机器视觉技术和3D的交汇，主要发生在无人机领域。

无人机今天进行测绘（huì）和航拍时，必（bì）须附带（dài）对（duì）空（kōng）间的理解能力，否则（zé）拍照不准事小（xiǎo），撞了（le）南（nán）墙事大。而这个能力主要来自于摄像头和传感器进行空间阅读。

随着消（xiāo）费级无人机的不断升级，人们（men）对无（wú）人机拍摄效果要求也不断升高。无人机必（bì）须不断在（zài）更远（yuǎn）的距（jù）离、更极端（duān）的天气、更（gèng）复（fù）杂的运动中拍摄画面。然而传（chuán）统的（de）传感系统解决方（fāng）案（àn）已经快要跟不上（shàng）用（yòng）户的期许（xǔ）。

今天的消（xiāo）费（fèi）级（jí）无人机，一般采（cǎi）取两种（zhǒng）感（gǎn）知解决方案，一（yī）种是双目视觉技术，比（bǐ）如大（dà）疆的某些产品；一（yī）种是结（jié）构光传（chuán）感器，比如微软（ruǎn）的Kinect。而这两种主流方案都是（shì）有一定局限的（de），比（bǐ）如感（gǎn）知（zhī）范围都有限，难以（yǐ）完成远距离（lí）作业。再比如双目（mù）视觉技术在黑夜中会失灵，所以无人机夜拍（pāi）一（yī）直是个大坑，然而（ér）结构光技术应对不来强光，一（yī）到（dào）中午（wǔ）无人机（jī）就石乐志（zhì）也是很心塞的。

更好的解决（jué）方案，在于（yú）将传感器与智能摄像头（tóu）结（jié）合起来，达成可以适应（yīng）不同天候（hòu）与天气，并（bìng）且可以长（zhǎng）距离感知的新型（xíng）传感系统解决方案（àn）。

今天，用机器视觉（jiào）技术中的（de）很多算（suàn）法，协调不（bú）同的传感设备（bèi）工作，让无人机（jī）变成“多眼无人（rén）机”，正（zhèng）在成为流行的解决方案。机器视觉算（suàn）法（fǎ）大量加入无（wú）人机传感器，还可（kě）能带（dài）来轨迹拍摄能力提升，让无人机获（huò）得拍摄整体（tǐ）环境，或者精准捕捉动态物体，比（bǐ）如说运动中（zhōng）的（de）动物和车（chē）辆（liàng）的能力。

以上几个技术趋（qū）势（shì），都（dōu）可能成为机器视觉（jiào）和图形学应用的下一步热点。这个（gè）领域看似偏门，事（shì）实上却能影响今天科技（jì）市场中的（de）风吹草动（dòng）。

让机器看（kàn）到立体（tǐ）世界的游（yóu）戏才刚刚开始，机器与人（rén）类在某一（yī）天可以用同样的视角相互凝（níng）视，或许才是（shì）这个（gè）故事的终点。