Inferir a forma tridimensional completa e as informações semânticas da cena a partir de informações parciais de observação é crucial para condução autônoma, visão robótica e construção do ecossistema do metaverso. Portanto, as técnicas de complementação 3D, que se concentram principalmente nas tarefas de complementação de forma 3D, complementação de cena 3D e complementação semântica de cena 3D, são amplamente pesquisadas. Este artigo realiza uma análise sistemática e um resumo dos trabalhos de pesquisa recentes relacionados às tarefas de complementação 3D acima mencionadas. Primeiramente, para a tarefa de complementação de forma 3D, são revisados os avanços nos métodos baseados em abordagens tradicionais e nos métodos baseados em aprendizado profundo. Em seguida, para a tarefa de complementação de cena 3D, são revisados os avanços em métodos de complementação baseados em ajuste de modelo e métodos baseados em abordagens generativas. Em terceiro lugar, para a tarefa de complementação semântica de cena 3D, é realizada uma análise aprofundada da característica de acoplamento entre as tarefas de complementação de cena e segmentação semântica, e são revisados os avanços dos métodos baseados em mapas de profundidade, métodos baseados em mapas de profundidade combinados com imagens coloridas e métodos baseados em nuvens de pontos, de acordo com diferentes tipos de dados de entrada. Por fim, são analisados os principais problemas enfrentados atualmente pela tarefa de complementação 3D e as tendências futuras, com o objetivo de fornecer algumas referências úteis para pesquisadores desse campo emergente da visão 3D.

Complementação de forma; complementação de cena; complementação semântica de cena; visão 3D