3D Reconstruction
تعيد إعادة البناء ثلاثية الأبعاد استنتاج أشكال الأجسام والمشاهد من الصور أو الفيديو أو كاميرات العمق أو LiDAR، على هيئة سحب نقطية أو شبكات مضلعية أو حقول إشعاعية.
إعادة البناء ثلاثي الأبعاد هي عملية استعادة الشكل الثلاثي الأبعاد لجسم أو مشهد من قياسات مثل الصور الفوتوغرافية أو الفيديو أو إطارات كاميرا العمق أو مسوحات LiDAR. ويصف الناتج مواضع الأسطح في الفضاء، على هيئة سحابة نقطية من نقاط سطحية مأخوذة بالعينات، أو شبكة مضلعات، أو شبكة فوكسلات، أو دالة متعلّمة مثل حقل الإشعاع، وغالبًا ما تُرفق بها الألوان أو الخامات. وإعادة البناء القائمة على الصور، وتُسمى أيضًا القياس التصويري، هي العملية العكسية لـالرؤية الحاسوبية مقارنةً بالتصوير الفوتوغرافي: تسطّح الكاميرا عالمًا ثلاثي الأبعاد إلى وحدات بكسل ثنائية الأبعاد، وتستخدم إعادة البناء مناظير متعددة للأسطح نفسها لعكس هذا الإسقاط.
آلية عمل إعادة البناء القائمة على الصور#
يبدأ خط الأنابيب التقليدي بكشف سمات مميزة مثل نقاط SIFT المفتاحية في كل صورة ومطابقتها عبر الصور المتداخلة، مع الإبقاء على المطابقات المتوافقة مع الهندسة الإبيبولارية فقط. ثم تستعيد تقنية البنية من الحركة موضع كل كاميرا واتجاهها، إلى جانب مجموعة متناثرة من النقاط ثلاثية الأبعاد، وتحسّنها جميعًا معًا باستخدام تسوية الحزمة التي تقلل خطأ إعادة الإسقاط لكل نقطة في كل صورة. ويستخدم الاستريو متعدد المناظير الكاميرات المعروفة لحساب خريطة عمق كثيفة لكل صورة؛ ثم تُدمج هذه الخرائط في سحابة نقطية واحدة، وتحول تقنيات إعادة بناء السطح، مثل إنشاء الشبكة بطريقة Poisson، النقاط إلى شبكة محكمة الإغلاق يمكن إكساؤها بخامات مستمدة من الصور. ويُعد COLMAP، الذي طوّره يوهانس شونبرغر وزملاؤه، التطبيق مفتوح المصدر واسع الاستخدام لهذا الخط. أما كاميرات العمق وLiDAR فتتجاوز مرحلة المطابقة وتحاذي المسوحات المتداخلة مباشرةً، عادةً باستخدام خوارزمية أقرب نقطة تكرارية.
تنشأ كل نقطة ثلاثية الأبعاد من التثليث: عند توفر كاميرتين معايرتين، تكون هي النقطة التي تتطابق إسقاطاتها بأفضل صورة مع وحدة البكسل التي رصدتها كل كاميرا. يثّلث هذا المثال نقاطًا على جدار تراه كاميرتان تفصل بينهما مسافة 0.3 m، مع ضجيج نصف بكسل في كل رصد:
import cv2
import numpy as np
rng = np.random.default_rng(0)
K = np.array([[800.0, 0, 320], [0, 800.0, 240], [0, 0, 1]]) # camera intrinsics in pixels
# Two calibrated views 0.3 m apart, as projection matrices P = K [R | t]
P1 = K @ np.hstack([np.eye(3), np.zeros((3, 1))])
P2 = K @ np.hstack([np.eye(3), [[-0.3], [0.0], [0.0]]])
for z in [2.0, 10.0]:
# 200 points on a wall z meters away, observed in both images with half-pixel noise
points = np.column_stack([rng.uniform(-1, 1, 200), rng.uniform(-0.5, 0.5, 200), np.full(200, z)])
X = np.vstack([points.T, np.ones(200)])
x1, x2 = P1 @ X, P2 @ X
x1, x2 = x1[:2] / x1[2] + rng.normal(0, 0.5, (2, 200)), x2[:2] / x2[2] + rng.normal(0, 0.5, (2, 200))
# Triangulate: find the 3D point whose projections best match both observations
Xh = cv2.triangulatePoints(P1, P2, x1, x2)
error = np.linalg.norm((Xh[:3] / Xh[3]).T - points, axis=1)
print(f"Wall at {z:.0f} m: median 3D error {100 * np.median(error):.1f} cm")يطبع المثال خطأً وسيطًا قدره 0.8 cm للجدار على بُعد 2 m، و18.4 cm على بُعد 10 m. تؤدي زيادة المسافة خمسة أضعاف إلى زيادة الخطأ نحو 23 ضعفًا، وهو ما يقارب النمو التربيعي الذي تتنبأ به هندسة المنظرين؛ ولهذا يلتقط القياس التصويري الأسطح البعيدة من مناظير كثيرة ومتباعدة.
تفترض إعادة البناء أن المشهد ثابت، لذا يؤدي تحرك الأشخاص والمركبات أثناء التصوير إلى ظهور أشكال شبحية وسمات غير متطابقة. يتخطى COLMAP استخراج السمات حيثما كان القناع الخاص بالصورة أسود، كما تُبقي أقنعة الأشخاص والسيارات الصادرة عن نموذج تجزئة الكائنات من Ultralytics YOLO26 هذه الأجسام المتحركة خارج إعادة البناء الثابتة.
التمثيلات وإعادة البناء المتعلّمة#
يسهل إنشاء السحب النقطية، لكنها تفتقر إلى الترابط؛ وتوفر الشبكات أسطحًا متصلة للقياس ومحركات الألعاب والتوائم الرقمية، بينما تقسم شبكات الفوكسلات الفضاء إلى خلايا. دمج KinectFusion، الذي عرضه ريتشارد نيكمب وزملاؤه عام 2011، إطارات كاميرا العمق الحية في حقل حجمي للمسافة الموقّعة المبتورة آنياً؛ وما تزال مكتبات مثل Open3D تطبّق طريقة الدمج الحجمي هذه. تخزّن التمثيلات العصبية الضمنية سطحًا في صورة شبكة تحوّل الإحداثيات إلى إشغال أو مسافة موقّعة، بينما تمثّل حقول الإشعاع العصبية والتنقيط الغاوسي المظهر من كل اتجاه من أجل توليد مناظير جديدة، بهندسة يصعب قياسها مباشرةً مقارنةً بالشبكة. وتتجاوز الشبكات ذات المرور الأمامي عملية التحسين بالكامل الآن: يتنبأ VGGT، من مجموعة الهندسة البصرية في أكسفورد وMeta AI، بأوضاع الكاميرا وخرائط العمق والنقاط ثلاثية الأبعاد لمجموعة من صورة واحدة إلى مئات الصور في مرور واحد، وفاز بجائزة أفضل ورقة في CVPR 2025.
تختلف المهام ذات الصلة فيما تنتجه. تتنبأ تقديرات العمق بالمسافة لكل بكسل في منظور واحد، أي سطح جزئي واحد. وتعيد الرؤية المجسمة البناء انطلاقًا من كاميرتين متزامنتين. أما SLAM المرئي فيتتبع كاميرا متحركة ويبني خريطة آنياً لأغراض الملاحة، مفضّلًا السرعة على الاكتمال. ويضع كشف الأجسام ثلاثي الأبعاد مربعات حول الأجسام بدلًا من استعادة أسطحها.
تطبيقات عملية#
- الواقع المعزز: ينشئ ARKit من Apple شبكة حية للغرفة على أجهزة iPhone وiPad المزودة بـLiDAR، بحيث تستقر الأجسام الافتراضية على الأرضيات وتختفي خلف الأثاث.
- فحص التصنيع: تُقارن مسوحات القطع المُنجزة بنماذج CAD الخاصة بها لقياس الانحرافات، وتُستخدم المسوحات نفسها لإبقاء التوأم الرقمي لخط الإنتاج محدّثًا.
- الروبوتات: تعيد الروبوتات بناء الأجسام التي يجب أن تمسكها والمساحات التي تتحرك فيها، اعتمادًا على كاميرات العمق المثبتة على متنها.
- التراث الثقافي ورسم الخرائط: يرقمن القياس التصويري المباني ومواقع الحفريات والمدن بأكملها. وأعاد مشروع Building Rome in a Day عام 2009 بناء معالم روما من 150,000 صورة على Flickr في 21 ساعة، باستخدام عنقود يضم 496 نواة معالج.










