物体的三维几何重建是指将二维几何图像重建为相应的三维对象,或者说是将平面上的几何图像恢复为三维空间中的物体。三维几何重建技术是计算机视觉中的一个重要的研究分支,其在虚拟现实、计算机辅助几何设计、教育与建筑、医学图像处理等领域有着重要的理论研究和实际应用价值。常用的三维几何重建方法主要有基于规则的方法、基于推导的方法和基于几何对象分割的方法。基于规则的方法相比于其他两种方法具有更加完善的体系和更快的重建速度,一直以来受到相关学者和研究人员的广泛关注。近年来,随着卷积神经网络(CNN)技术的快速发展及其在计算机视觉各应用领域中的良好表现,使其得到广泛应用。卷积神经网络(CNN)技术引入三维几何重建可以促使三维几何重建质量得到显著提升。本文重点围绕教育与建筑领域中二维几何图像的三维几何重建展开研究,旨在提高三维几何重建结果的准确性和重建速度。在充分研究现有三维几何重建方法的基础上引进卷积神经网络(CNN)技术,提出一种新的基于卷积神经网络(CNN)分类的二维几何图像与三维几何模型匹配的三维重建方法,该方法有效提高了三维几何重建的准确率和重建速度。本文的工作主要体现在以下几个方面:1.学习和研究常用的三维几何重建方法,主要包括基于规则的方法、基于推导的方法和基于几何对象分割重建的方法,并分别数值实现和对比分析了几种具有代表性的方法。2.重点研究卷积神经网络(CNN)技术,提出一种新的基于卷积神经网络(CNN)分类的二维几何图像与三维几何模型匹配的三维重建方法。该方法首先预处理提取简单或复杂的二维几何图像对应的二维几何线条图像;其次引入卷积神经网络技术对二维线条图像分类,实现二维线条图像的高精度和高速度的识别;最后基于二维线条图像与三维几何模型的匹配关系,实现二维线条图像的三维几何模型重建。实验结果表明,本文方法能够有效提高二维线条图像的识别精度和速度,并在此基础上高质量的重建相应的三维几何模型。3.构建了一个二维线条图像数据集,该线条图像数据集基本上包含了当今各类学生的教材或教辅材料中的二维几何图像对应的二维线条图像。该二维线条图像数据集包含十三类图像。二维线条图像数据集主要用于卷积神经网络(CNN)参数的训练和测试。4.设计并实现了一个三维几何重建系统,该系统包含图像输入、目标检测、线条提取、几何分类和三维重建五个功能模块。图像输入模块能够读取待重建的二维几何图像;目标检测模块能够自适应的提取图像中的二维几何目标;线条提取模块能将二维几何目标转换为对应的二维几何线条图像;几何分类模块将二维几何线条图像分类;三维重建模块实现二维几何线条图像与三维几何模型的匹配,并重建出三维几何模型。该系统具有输入二维几何图像输出相应三维几何模型的功能。