三维重建技术与实践：基于NERF与3DGS

（1）大厂一线算法专家倾力打造，凝练多项工程经验与专利成果

（2）打通从传统几何重建到神经场建模的知识壁垒，构建NeRF与3DGS的完整技术谱系

（3）融合公式推导，深入渲染管线，系统解析NeRF与3DGS核心机制与源码

（4）传授NerfStudio可视化与异构优化实践经验，带你构建面向工程落地的三维重建实现体系

三维重建技术正以前所未有的速度重塑我们对数字世界的认知。从SfM到MVS，再到如今引爆行业的NeRF与3DGS，我们正经历着从“几何拟合”到“神经渲染”的范式革命。这项技术已成为虚拟现实、自动驾驶、数字孪生乃至元宇宙构建的基石，迅速下沉为工业界不可或缺的工程能力。虽然开源社区中不乏NeRF与3DGS的实现版本，但普遍缺乏系统性的理论梳理与工程实践指导。开发者往往面临“知其然而不知其所以然”的困境：算法原理艰深晦涩，代码结构庞杂，数据预处理与部署适配环节知识零散，导致学习曲线陡峭，项目落地困难。市场迫切需要一本既能深入浅出讲解原理，又能手把手指导工程实现的权威指南。本书正是为解决这一痛点而撰写。它并非简单的API调用手册，而是一套从理论到实践的完整解决方案。

宗炜：资深AI与图形图像工程师，长期专注于三维重建、神经渲染与异构计算优化。拥有十余年系统研发经验，参与多项图形图像与性能优化项目，获多项相关技术专利，并致力于三维表示技术从理论到工程落地的体系化实践。

巴·孟克吉尔格力：毕业于亚琛工业大学，拥有多年视频编解码开源框架开发经验，曾参与基于深度学习的场景深度估计、三维场景重建等多个研究项目。目前就职于Intel，从事AI大模型适配和优化等相关工作。

凌静：毕业于华东师范大学，曾任Intel 3D算法工程师，从事三维重建算法在Intel GPU平台上的部署适配与性能优化工作。曾为开源框架NerfStudio提供Zip-NeRF模型适配支持。

李建宇：毕业于复旦大学，专注于各类AI模型在Intel平台上的部署与优化，曾负责3DGS、NeRF等模型在Intel GPU上的移植工作。此前，他曾在S3 Graphics、ARM等企业从事Direct3D、OpenGL ES及Vulkan等图形驱动的开发。

许广新：曾任Intel数据中心AI训练高级经理，从事大语言模型、多模态模型及NeRF、3DGS等三维生成模型的训练与性能优化工作，拥有多项国际专利，在AI基础架构与模型性能优化领域具有丰富经验。

前言

第1章 三维重建与渲染技术概述和实现原理

1.1 三维重建原理与三维图形渲染主流方法

1.1.1 三维重建的基本原理

1.1.2 三维图形渲染主流方法

1.2 基于图像的渲染

1.2.1 图像变形方法

1.2.2 视图渐变的典型处理方式

1.2.3 基于视图渐变的代码实现解析

1.3 MVS

1.3.1 立体视觉的深度估计原理

1.3.2 双视图几何

1.3.3 多视图几何及其在三维重建中的应用

1.4 SfM

1.4.1 基本流程

1.4.2 场景图的构建与增强

1.4.3 场景图构建关键算法：RANSAC与PnP

1.4.4 递增式三维重建算法

1.5 NeRF

1.5.1 体渲染视图合成

1.5.2 神经隐式表示

1.5.3 NeRF与体渲染

1.6 3DGS

1.7 小结

第2章 三维坐标系与空间投影

2.1 几何基础与线性变换

2.1.1 空间基本元素与结构表达

2.1.2 几何变换与仿射表达

2.1.3 三维旋转的表示方法

2.2 三维空间到设备坐标系的映射

2.2.1 向量运算与几何变换

2.2.2 矩阵运算与几何变换

2.2.3 齐次坐标

2.2.4 相机几何模型与参数化

2.2.5 透视投影与正交投影

2.2.6 投影变换与视口映射

2.3 三维物体的表示方法

2.3.1 边界表示法

2.3.2 体素表示法

……