随着虚拟现实、3D打印等技术的迅速发展,三维模型广泛应用于场景建模,机器人导航,文化遗产保护等不同领域。许多这样的应用场景需要从现实世界中获取三维模型。传统的基于三维建模软件和采用仪器设备获取深度信息的建模方法在建模的过程中由于操作复杂繁琐,效率较低,已无法满足日益增长的建模应用需求。因此,如何快速、直接地基于真实世界构建场景的三维模型是当前面临的一个重要问题。图像作为一种快速捕获周围世界的媒介,是三维建模的重要资源。基于图像的建模技术具有数据获取广泛,建模效果真实感强等特点,一直以来是计算机图形学和计算机视觉等领域的研究热点。由于透视投影的影响,图像缺失三维场景的深度信息,在不引入先验信息的情况下,根据单幅图像构建目标物体的三维建模仍是一个巨大的挑战。通过观察,人造场景中的物体通常可以由一组几何基元近似表示。本文基于这一普遍存在的性质提出了一种交互式单幅图像建模方法,将建模问题划分为语义任务和几何任务。语义任务由人类高层次的认知能力实现,包含目标物体的分割、识别,通过拖动几何基元到图像相应部分实现基元匹配,计算机自动调整基元参数以拟合目标物体;几何任务包含推断各基元之间的几何语义关系,在满足这些约束关系的前提下联合优化所有基元参数,确定各基元之间的位置关系,这是一个非凸优化问题,需要大规模的计算。本文的建模方法将人的语义识别能力和计算机在计算方面的优势相结合,根据用户少量的辅助交互,从未标定的单幅图像中快速构建出具有真实感的三维模型。实验表明,构建的三维模型由几何基元组成,包含各部件之间的结构信息,具有轻量化、易存储的特点,并可对模型进行部件级编辑处理,以应用于不同场景。