12月19日（周五）上午，SLAI Seminar第十六期学术讲座在深圳河套学院B411阶梯教室顺利举办。本次讲座由王智慧教授主持，特邀南洋理工大学计算机科学与数据科学学院贺英副教授，围绕“从无定向点云进行三维重建”主题，深入分享其在几何计算、隐函数建模与迭代优化方面的系列研究成果与前瞻思考。

讲座简介

三维重建是计算机图形学、视觉与几何计算领域的核心课题，其目标是从三维采样点（点云）中恢复出高质量、可用于仿真、渲染与分析的曲面表达。尽管该研究已开展四十余年，但在点云噪声、法向缺失、结构复杂等现实挑战下，鲁棒、高效且高质量的重建仍是学术界与工业界共同关注的难题。

本次讲座系统梳理了点云重建的技术演进路径，重点介绍了贺英教授团队提出的迭代式泊松重建（IPSR）与扩散式重建（DWG）两大突破性工作，展示了如何通过统一迭代框架与并行计算优化，实现从无定向点云到高质量网格的稳定重建，并进一步探讨开放曲面、非流形结构与大规模场景重建等前沿方向。

讲座内容

01 重建之路：从经典方法到隐函数革命

贺英教授首先回顾了点云重建四十余年的发展脉络。早期基于计算几何的方法（如滚雪球法）虽直观高效，但对数据质量要求极高，难以处理真实扫描中的噪声与不均匀性。进入21世纪，以隐函数重建为代表的方法逐渐成为主流，通过隐式场表达曲面再提取网格，显著提升了重建的鲁棒性。然而，大多数方法仍依赖全局一致的法向量作为输入，而这本身就是极具挑战的“点云定向”子问题。

02 核心突破：IPSR——将定向与重建统一迭代

传统流程将“定向”与“重建”割裂，导致误差传递与流程冗余。贺教授团队在2022年提出的Iterative Poisson Surface Reconstruction (IPSR)创新性地将二者融合为一个统一的迭代优化问题。方法从完全随机的法向量出发，通过泊松重建得到初始曲面，再利用该曲面信息对点云法向进行“几何投票”校正，循环迭代直至收敛。其核心洞见在于：泊松重建对法向量的依赖更关注整体朝向趋势，而非绝对精确，因此即使初始法向杂乱，系统也能通过迭代自校正。实验证明，IPSR在含噪声、细管结构、配准缝隙的复杂点云上表现稳健，成功实现了无需任何法向先验的高质量重建。

03 效率跃升：DWG——GPU并行的扩散式重建

IPSR的瓶颈在于每次迭代都需求解泊松方程，计算成本较高。为此，贺教授团队在2025年提出Diffusion-based Reconstruction (DWG)，用广义缠绕数（GWN）替代泊松隐函数，将重建过程转化为完全并行的类热扩散计算。DWG在GPU上实现了近线性的经验空间复杂度，对千万级点云的重建速度较IPSR提升50–100倍，时间从小时级缩短至分钟级，同时保持了优异的鲁棒性。

04 前沿拓展：开放曲面、场景与非流形重建

• 除了封闭模型，贺教授团队还将方法拓展至更复杂的几何形态：
• 开放曲面与非流形结构：提出基于无符号距离场（UDF）的VAD方法，支持边界、薄壳、内部结构重建，适用于服装、机械零件等工程对象。
• 大规模场景重建：通过分块处理与轻量级整数规划，实现室内外场景的高效重建。
• 缺失数据补全：引入中轴场（Medial Field）作为几何先验，在点云不完整时仍能通过光滑性约束复原合理形状，避免纯数据驱动的“脑补”。

05 未来展望：几何、学习与系统的协同

贺教授在总结中指出，点云重建远未“解决”，未来将在三个方向持续探索：

• 隐函数设计的多样性：挖掘更多具有几何意义的隐式表达。
• 几何方法与深度学习融合：在极端稀疏或复杂自然场景中，结合数据驱动提升智能重建能力。
• 系统化重建框架：将去噪、配准、定向、重建视为统一流程，形成闭环优化系统。

问答环节，与会师生围绕“点云预去噪与重建的耦合策略”、“深度学习与几何优化如何结合”、“内部结构与工业重建挑战”和“算法并行化实现细节”等议题与贺教授展开深入探讨。本次讲座不仅是一次三维重建技术的系统梳理，更是一场关于问题建模、算法创新与系统思维的深刻展示。从随机法向出发的迭代收敛，到GPU加速的扩散计算，再到面对开放曲面与缺失数据的几何先验利用，贺英教授的工作充分体现了“将复杂问题拆解为可迭代、可并行、可扩展的子问题”的科研智慧。