一种多视图融合与神经网络结合的3D物体重建方法

本发明公开了一种多视图融合与神经网络结合的3D物体重建方法，包括以下步骤：采集目标物体的多视角图像并进行几何校准与视角参数标定，生成标准化的图像序列；将图像序列输入至特征提取与体素融合模块中，获得初步三维空间表示体作为粗重建模型；对粗重建模型进行不确定性评估，生成体素级置信度热图并划分为多个置信度区间；基于置信度区间，构建具有多尺度残差路径的自适应修复网络，输出并利用路径门控机制按需激活不同修复路径；将各修复路径的残差输出与粗重建模型融合，生成优化后的最终三维重建模型。本发明能够有效降低过度修复或错误修复的风险，增强模型对遮挡等复杂区域的适应能力，提高整体三维重建模型的完整性与精度。