To solve the existing problems occurring in the field of digital fabric appearance analysis, such as information loss, visual expression difficulty and low accuracy, a novel three-dimensional (3-D) surface reconstruction method based on the multi-view stereo (MVS) technology was proposed for the appearance evaluation of complex fabrics in this paper. Initially, the fabric images were captured by the self-developed multiple image acquisition system. Subsequently, the dense point cloud of fabric surface could be obtained by the operations of feature point detection and matching, camera intrinsic and extrinsic parameter calculation, image pre-processing, sparse point cloud generation, patch expansion and patch filtering. For the sake of acquiring the high accuracy and great completeness of dense point cloud, planar patches with different scales were used to fit the fabric surface, the normalized cross correlation (NCC) algorithm was adopted to improve the accuracy of photo-consistency measurement, and besides, a derivative-free particle swarm optimization (PSO) method was applied to obtain the optimal patches. Our experimental results show that the fabric surface model could be reconstructed by this method accurately, which can be used to characterize the surface texture and 3D weaving profile of woven fabrics. The reconstructed 3D fabric surface model with high precision can be used not only for three-dimensional illustration or rendering but also for structural analysis, quality evaluation of fabric appearance and etc., it provides a useful solution for artificial intelligence production in the textile industry.

为了解决数字织物外观分析领域中存在的信息丢失，视觉表达困难和精度低等问题，一种基于多视点立体（MVS）的新型三维（3-D）表面重构方法本文提出了一种用于复杂织物外观评估的技术。最初，织物​​图像是由自行开发的多图像采集系统捕获的。随后，可以通过特征点检测和匹配，相机内在和外在参数计算，图像预处理，稀疏点云生成，斑块扩展和斑块过滤等操作获得织物表面的密集点云。为了获得密集点云的高精度和高完整性，采用不同尺度的平面补丁贴合织物表面，采用归一化互相关（NCC）算法提高光致一致性测量的准确性，此外，采用无导数粒子群优化（PSO）方法获得最佳补丁。我们的实验结果表明，该方法可以准确地重建织物表面模型，可用于表征机织织物的表面纹理和3D编织轮廓。重建的高精度3D织物表面模型不仅可以用于三维图或渲染，还可以用于结构分析，织物外观质量评估等，为纺织工业中的人工智能生产提供了有用的解决方案。采用归一化互相关（NCC）算法提高了光一致性测量的准确性，此外，采用无导数粒子群优化（PSO）方法获得了最优的斑块。我们的实验结果表明，该方法可以准确地重建织物表面模型，可用于表征机织织物的表面纹理和3D编织轮廓。重建的高精度3D织物表面模型不仅可以用于三维图或渲染，还可以用于结构分析，织物外观质量评估等，为纺织工业中的人工智能生产提供了有用的解决方案。采用归一化互相关（NCC）算法提高了光一致性测量的准确性，此外，采用无导数粒子群优化（PSO）方法获得了最优的斑块。我们的实验结果表明，该方法可以准确地重建织物表面模型，可用于表征机织织物的表面纹理和3D编织轮廓。重建的高精度3D织物表面模型不仅可以用于三维图或渲染，还可以用于结构分析，织物外观质量评估等，为纺织工业中的人工智能生产提供了有用的解决方案。此外，应用无导数粒子群优化（PSO）方法获得了最优的补丁。我们的实验结果表明，该方法可以准确地重建织物表面模型，可用于表征机织织物的表面纹理和3D编织轮廓。重建的高精度3D织物表面模型不仅可以用于三维图或渲染，还可以用于结构分析，织物外观质量评估等，为纺织工业中的人工智能生产提供了有用的解决方案。此外，应用无导数粒子群优化（PSO）方法获得了最优的补丁。我们的实验结果表明，该方法可以准确地重建织物表面模型，可用于表征机织织物的表面纹理和3D编织轮廓。重建的高精度3D织物表面模型不仅可以用于三维图或渲染，还可以用于结构分析，织物外观质量评估等，为纺织工业中的人工智能生产提供了有用的解决方案。可用于表征机织织物的表面纹理和3D编织轮廓。重建的高精度3D织物表面模型不仅可以用于三维图或渲染，还可以用于结构分析，织物外观质量评估等，为纺织工业中的人工智能生产提供了有用的解决方案。可用于表征机织织物的表面纹理和3D编织轮廓。重建的高精度3D织物表面模型不仅可以用于三维图或渲染，还可以用于结构分析，织物外观质量评估等，为纺织工业中的人工智能生产提供了有用的解决方案。