单张图像仅能提供有限的三维形状信息,传统的三维重建技术(如运动恢复结构法、立体视觉法)需要多张图片才能恢复出物体的三维结构。但这些方法有着繁琐的流程,并且无法重建没有纹理的物体。目前,随着移动设备的普及,单张二维图像随处可见。因此,研究基于单张图像的三维重建具有巨大的实际意义和经济效益。近十年来,深度学习的发展和大规模三维CAD模型库的出现,为使用数据驱动的方式从单张图片中实现物体的三维重建提供了必要的条件。然而,现有的三维点云重建方法需要相对干净背景和固定拍摄角度的图片,极大地限制了其在真实场景下的应用。本文以单张真实图片为研究对象,针对三维点云重建存在的问题,提出了一种可行的解决方案。本文的主要工作和创新点包括:(1)针对三维模型检索问题,本文提出了一种基于渲染图片的三维模型检索方法。该方法首先对三维模型库中每个三维模型多角度渲染得到大规模渲染图片数据集,再使用VGGNet-16网络提取图片特征构建特征图字典,最后采用相似度度量函数检索到与输入图片相似的三维模型。(2)针对三维重建中单张图片具有复杂背景和任意角度拍摄的问题,本文提出了一种基于先验信息指导的方法实现单张图片的三维重建。该方法应用相似三维点云模型作为先验知识,设计了一个能够融合图片特征和三维点云空间信息的网络结构RealPoint3D。本文在ShapeNet数据集和Obj ectNet3D数据集上对以上研究内容进行了实验论证。相比于目前的重建算法,本文提出的方法取得了国际领先水平,同时适用于任意角度且复杂背景的真实图像。