单幅二维图像进行三维重建一直是计算机视觉领域的难题,因为每一图像点都有无限多个场景点与之对应。故从光学成像的角度分析,单幅二维图像三维重建问题好像不存在较为通用的解决方案。然而反思人类自身视觉经验,仅用一只眼睛观察单幅二维图像,同样能感觉到栩栩如生的三维世界。而且完成这一过程是不需要任何意识努力,好像是全部自动进行的。这些表明人类视觉系统能轻松解决这个问题。人眼与照相机的光学成像机制几乎完全相同,故模拟人类视觉系统,计算机对单幅二维图像进行三维重建又是完全有可能的,这正是本章研究工作的基本思路与逻辑起点。