三维识别：点·线·面·体 + 经典示例 + 识别代码

在三维空间中，「识别」的本质从「图像分类」变成了「拓扑重建与形状推断」。 最大的难点在于：一张平面线框是三维物体在某个视角下的投影，它丢失了最关键的 「深度（Z 轴）」信息，且存在大量非真实相交的「视觉伪交点」。

本文档按「点 → 线 → 面 → 体」从简到繁拆解三维空间中的识别与构建， 并配以可运行代码与演示图。以下为完整技术进化链：

- 点：由二维像素坐标 + 深度预测/三角测量得出。 - 线：通过消失点透视投影或空间坐标连线得出。 - 面：在图论中搜索最小闭合环，并进行共面性聚类得出。 - 体：将所有法向朝外的封闭面组合为 B-rep 实体，或直接用深度学习生成隐式体积。

第一步：点（Point）——从「像素坐标」到「空间坐标」

2D 的点坐标是 (x, y)，3D 的点坐标是 (x, y, z)。获取 z 值有两种路径：

• 多视图三角测量（传统几何法）：如果有多张不同角度拍摄的线框图纸（或多视图影像），算法使用对极几何（Epipolar Geometry），在同名点之间做匹配，利用相机视差，通过三角化计算空间交汇点，从而恢复出精确的三维坐标。
• 单目深度估计（深度学习方法）：如果只有一张图，则使用神经网络（如基于 Transformer 的 Depth Anything 模型）直接预测每个像素的深度值，将 z 值附给二维交点。

经典示例七：多视图三角测量恢复三维坐标

模拟两台相机从不同角度观察一个立方体角点云：用已知的相机内参 K 与位姿 (R, t) 构造投影矩阵 P = K[R|t]，把真实三维点投影到两个视图（加入少量像素噪声）， 再用 DLT 线性三角化从同名点重建三维坐标，并与真实值对比误差。

import numpy as np

# ---- 真实三维点: 立方体 8 个顶点 ----
half = 1.0
true_pts = np.array([[x, y, z]
                     for x in (-half, half)
                     for y in (-half, half)
                     for z in (-half, half)])

# ---- 两台相机: P = K[R|t] ----
K = np.array([[800, 0, 400], [0, 800, 300], [0, 0, 1]])

def make_camera(R, t):
    return K @ np.hstack([R, t.reshape(-1, 1)])

R1, t1 = np.eye(3), np.array([0., 0., 0.])
P1 = make_camera(R1, t1)                     # 相机1: 原点
ang = np.radians(20)
R2 = np.array([[np.cos(ang), 0, np.sin(ang)],
               [0, 1, 0],
               [-np.sin(ang), 0, np.cos(ang)]])
P2 = make_camera(R2, np.array([0.3, 0., 0.]))  # 相机2: 偏转+平移

def project(P, pts):
    ph = (P @ np.hstack([pts, np.ones((len(pts), 1))]).T).T
    return ph[:, :2] / ph[:, 2:3]

u1, u2 = project(P1, true_pts), project(P2, true_pts)

# ---- DLT 线性三角化: 对每个点解 A X = 0 ----
def triangulate(P1, P2, u1, u2):
    rec = []
    for (x1, y1), (x2, y2) in zip(u1, u2):
        A = np.array([
            x1 * P1[2] - P1[0], y1 * P1[2] - P1[1],
            x2 * P2[2] - P2[0], y2 * P2[2] - P2[1],
        ])
        _, _, Vt = np.linalg.svd(A)
        X = Vt[-1]
        rec.append(X[:3] / X[3])
    return np.array(rec)

rec_pts = triangulate(P1, P2, u1, u2)
err = np.linalg.norm(rec_pts - true_pts, axis=1)
print(f"三维重建误差: 平均 {err.mean():.4f}, 最大 {err.max():.4f}")

演示效果图（由 code/demo7_triangulation.py 生成）

左图为两个视图下的同名点及其视差连线（同一空间点在不同视图中的像素位置不同， 正是这视差携带了深度信息）；右图为三角测量重建的三维点（红星）与真实三维点 （空心圆）的对比，两者几乎重合（实测平均误差约 0.002）。

第二步：线（Line）——从「2D 线段」到「3D 空间边」

2D 的线只是像素连线，3D 的线必须明确其空间方向矢量和空间位置。

• 破除非真实交点：这是平面线框升维最棘手的问题。在 2D 图中两条线交叉，在 3D 中它们可能一前一后，并不相交。算法会利用「拓扑一致性」校验：如果两条 3D 线在空间中相距超过阈值，则判定为「视觉交叉」，强制断开它们的拓扑连接。
• 基于消失点（Vanishing Point）的重建：对于人造物体（如建筑、机械零件），算法会检测线框中的三个主消失点，计算出相机的内参和旋转矩阵，然后将 2D 线段反向投影到三维空间中，恢复出完全正交的 3D 边。

经典示例九：破除非真实交点与虚拟延伸补全

场景：两条 3D 线段在 2D 正投影中交叉（看起来相交），但实际一前一后。 用「拓扑一致性」校验（两条空间直线的最近距离是否小于阈值）判定并断开。 同时演示「共线合并与虚拟延伸」：被遮挡断开的同向线段，按其空间方向延长并补全。

import numpy as np

def closest_distance_between_lines(p1, d1, p2, d2):
    """两条空间直线(点+方向)之间的最近距离。"""
    w0 = p1 - p2
    a, b, c, d, e = d1@d1, d1@d2, d2@d2, d1@w0, d2@w0
    denom = a * c - b * b
    if abs(denom) < 1e-9:
        return np.linalg.norm(w0 - (e / c) * d2)
    s = (b * e - c * d) / denom
    t = (a * e - b * d) / denom
    return np.linalg.norm((p1 + s * d1) - (p2 + t * d2))

# 前墙水平线 z=0 与后墙垂直线 z=2: 2D 投影交叉, 3D 相距 2.0
pA, dA = np.array([-1.2, 0.3, 0.0]), np.array([2.4, 0.0, 0.0])
pB, dB = np.array([0.3, -1.2, 2.0]), np.array([0.0, 2.4, 0.0])
dist = closest_distance_between_lines(pA, dA, pB, dB)
is_real = dist < 0.5
print(f"最近距离 {dist:.3f} -> "
      f"{'真实相交' if is_real else '视觉伪交点, 强制断开拓扑连接'}")

演示效果图（由 code/demo9_pseudo_intersection.py 生成）

左图为 2D 正投影：前墙红色水平线与后墙蓝色垂直线在图中明显交叉（黑点处）， 看起来是一个交点；右图为 3D 视图：两条线一前一后，空间最近距离 2.0 远超阈值， 被判定为「视觉伪交点」并断开拓扑连接。

第三步：面（Face）——从「空间骨架」到「闭合平面区域」

这是「点线面体」中算法含金量最高的一步。拥有 3D 线框（骨架）后，需要找出哪些边 围成了一个「面」。这完全是一个图论（Graph Theory）问题，而非图像问题。

1. 图构建：将所有的 3D 线段的端点和交点视为图的顶点（Vertex），线段视为图的边（Edge）。
2. 寻找最小环（Minimum Cycle Basis）：算法在图中搜索最短闭合回路。例如，一个长方体拥有 12 条边，通过最小环算法能找到 6 个最小的四边形环，这 6 个环即为长方体的 6 个表面。
3. 平面拟合校验：找到候选环后，取环上所有顶点的三维坐标，用最小二乘法拟合一个空间平面。如果所有顶点到该平面的距离方差极小，则确认这是一个有效的平面（Plane Face）。若拟合残差过大，则判定为曲面（B-Spline/NURBS 曲面）。
4. 处理复杂共享边：识别出相邻面共享的边（如正方体相邻面的公共棱），确保拓扑结构「漏水」检测（Watertight）。

经典示例八：长方体最小环基识别 6 个表面

用图论方法处理一个长方体的 3D 线框（8 顶点、12 条边）： 枚举所有简单四边形环得到 6 个表面，再对每个环做最小二乘空间平面拟合， 用拟合残差校验共面性（残差为 0 即确认平面）。

import numpy as np
import networkx as nx

# ---- 长方体 8 顶点(尺寸 2x1.5x1) + 12 条棱 ----
w, h, d = 2.0, 1.5, 1.0
verts3d = np.array([
    [0, 0, 0], [w, 0, 0], [w, h, 0], [0, h, 0],     # 底面
    [0, 0, d], [w, 0, d], [w, h, d], [0, h, d],     # 顶面
])
edges = [(0,1),(1,2),(2,3),(3,0), (4,5),(5,6),(6,7),(7,4),
         (0,4),(1,5),(2,6),(3,7)]

G = nx.Graph(); G.add_edges_from(edges)

# ---- 枚举简单四边形环: 得到 6 个表面 ----
DG = nx.DiGraph()
for u, v in edges:
    DG.add_edge(u, v); DG.add_edge(v, u)
quad_cycles = {frozenset(c) for c in nx.simple_cycles(DG) if len(c) == 4}
cycles = [list(c) for c in quad_cycles]

# ---- 平面拟合校验共面性 ----
def plane_fit(pts):
    centroid = pts.mean(axis=0)
    _, s, Vt = np.linalg.svd(pts - centroid)
    return np.linalg.norm((pts - centroid) @ Vt[-1])   # 残差

for cyc in cycles:
    res = plane_fit(verts3d[list(cyc)])
    print(f"环 {len(cyc)} 顶点, 平面拟合残差 {res:.5f} -> "
          f"{'平面' if res < 1e-6 else '曲面'}")

说明：minimum_cycle_basis 返回的是环空间的一组基（维数为 E−V+1=5）， 而长方体的 6 个表面是平面嵌入的「面」；因此示例中改用「枚举简单四边形环」， 恰好得到全部 6 个表面，再配合平面拟合校验确认。

演示效果图（由 code/demo8_box_faces.py 生成）

左图为长方体 3D 线框（8 顶点 / 12 条边）；右图为识别出的 6 个表面， 每个环均通过平面拟合校验（残差为 0），用不同颜色区分。

第四步：体（Solid）——从「封闭曲面」到「物理实体」

当所有的「面」组成了一个封闭且无缝隙的水密（Watertight）外壳时，「体」就诞生了。 识别「体」意味着系统确认这是一个具有体积属性的三维实体。

• 实体建模（B-rep / CSG）：在工业软件（如 SolidWorks、AutoCAD）内核中，体是通过边界表示法（Boundary Representation, B-rep）来存储的，即「体由面构成，面由边构成，边由点构成」。算法会检查每个面法向是否朝外，确保所有面围成的封闭空间指向一致（即没有法向翻转）。
• 构造实体几何（CSG）识别：对于复杂体（如带孔的底座），传统方法会将封闭体分解，识别出这是「一个长方体减去一个圆柱体」的布尔运算结果。

现代深度学习端到端方案：除了上述「传统几何推理」流水线，近年来业界主流（如微软、Autodesk 的研究）更多采用端到端的深度网络，直接从一张 2D 线框图生成 3D 体素（Voxel）或网格（Mesh）：

• 基于 Transformer 的生成：将 2D 线框图作为条件输入，利用类似 TripoSR 或 LGM（Large Multi-View Gaussian Model）的扩散模型，直接回归出三维空间的点云和三角面片（Mesh）。
• 隐式神经表示（NeRF / SDF）：网络不直接输出面，而是输出一个符号距离函数（SDF），即空间中任意一点到物体表面的有符号距离。提取 SDF 的零等值面（Zero-level Set），就能获得完美的、水密的三维体（Solid）。

说明：B-rep 的「法向朝外校验」与「CSG 布尔分解」依赖工业 CAD 内核，超出本文档 可运行示例范围；深度学习端到端方案需要预训练权重与 GPU 环境。这两部分以理论为主。

三大核心算法挑战与解法

总结

如果从事逆向工程（如扫描点云转 CAD），传统几何图论（B-rep 搜索）仍是精度保障； 如果从事 AI 生成 3D 内容（AIGC），直接上扩散模型（如 Stable-Dreamfusion）会更高效。 两者应用场景不同，可按需选择。

附录：运行演示脚本

本文档的可运行脚本位于 code/ 目录，全部已实测通过（依赖：numpy, matplotlib, opencv-python, networkx）。

# 进入 code 目录后运行
python demo7_triangulation.py        # 第一步: 多视图三角测量(点)
python demo9_pseudo_intersection.py  # 第二步: 破除非真实交点(线)
python demo8_box_faces.py            # 第三步: 长方体表面识别(面)

与前两文档衔接：本文档的「面」识别（图论最小环）直接复用 线框图识别-经典示例与代码.md 中流派一的方法；「点」的三角测量则把 图形识别-经典示例与代码.md 的二维交点提升到了三维。

本文档的「点·线·面·体」原理是《三维模型处理全景》的几何底座： 识别分类、分割、快速建模、自动化建模与模型分析五大任务的工程全景见 三维模型处理全景.md。