虽然当前基于图像的三维重建已经取得了较大的成功,但是有一类物体表面的重建效果仍然不理想,这类表面在现实场景中非常常见,主要包括镜面物体（比如玻璃、水面等）和弱纹理物体（比如白墙、瓷砖地面等）的表面。在传统的三维重建框架中,该类表面在稠密点云重建过程后会出现点云缺失的情况,造成没有足够的点云支撑进行表面重建,所以称之为弱支撑表面。本文主要针对含此类表面中平面形状的场景（即“弱支撑平面”）的三维重建问题进行研究,在传统三维重建框架中加入点云增强的步骤进行改进。本文提出的弱支撑平面点云增强算法主要分为两个阶段,先对含噪的先验信息进行精细化,再利用精细化后的分割掩模施加平面约束,使得弱支撑平面转化为强支撑平面。因此,本文主要完成以下工作:（1）提出了一种弱支撑平面单掩模驱动的多视图分割方法。以初始平面分割掩模为基础,深度图与置信度图边缘信息为导向的方法,生成多视图精细化分割掩模,提升平面分割先验信息的精度。首先,将初始平面分割掩模中高置信度的像素点反投影到三维中。接着,在RANSAC框架下进行平面拟合,得到弱支撑平面在三维中的表达参数。然后,通过聚类算法,得到该三维平面的区域位置。最后,通过弱支撑平面边框上的三维点重投影到各个平面可见视图中,得到准确的多视图平面分割掩模。（2）提出了一种基于平面约束的稠密点云增强方法。针对弱支撑平面缺乏点云支撑这一问题,有效利用多视图平面分割先验等信息,进行弱支撑平面中的错误点云校正与缺失点云补全。首先,从弱支撑平面的空间参数出发,对高置信度三维点拟合平面的过程进行分析,得到弱支撑平面在三维空间中的法向量。接着,依据平面法向量与精确的多视图分割掩模等信息,基于重投影的方法对弱支撑平面中位置错误的点云进行校正。然后,使用单张分割掩模施加平面区域限制,通过像素反投影对弱支撑平面中缺失点云补全,并对补全点云在弱支撑平面法向量的方向上添加轻微扰动,最终实现了弱支撑平面的点云增强。为了验证本文方法确实优于传统三维重建方法,本文在DTU标准数据集与自行采集的数据上进行实验对比,并对重建结果进行了分析。首先,在DTU标准数据集上进行定性与定量的实验比较,结果表明本文方法重建的三维点云具有较好的准确性与完整性。接着,在自行采集的真实场景数据集上进行表面重建效果对比,本文方法能够准确完整地恢复出弱支撑平面。最后,对传统三维重建框架加入本文点云增强算法前后的重建结果进行对比,充分证明了本文方法的有效性。