在无人驾驶、虚拟/增强现实、智能机器人和人机交互等新兴应用的牵引下，在三维成像传感器、人工智能算法和高性能计算等能力升级的保障下，三维视觉与智能图形技术发展迅速，相互交融，在学术界和产业界均引起极大的关注。目前，在三维数据获取、三维场景建模、三维语义理解和高真实感绘制等方面依然存在诸多挑战。紧密结合人工智能与大数据技术的最新进展，推动三维视觉与智能图形理论与方法的进一步发展，促进相关技术的应用落地，都将对未来的学术、产业和社会带来重要影响。 为了促进我国三维视觉与智能图形相关技术、方法与应用研究的深入开展，及时反映我国学者在相关领域的最新研究进展，《中国图象图形学报》邀请业内专家共同策划推出“三维视觉与智能图形”专刊，主要收录国内学者在相关理论方法、关键技术、数据平台和典型应用等方面具有创新性、突破性的研究成果。 经过严格的评审，“三维视觉与智能图形”专刊共收录学术论文24篇，包括5篇“综述”、1篇“数据集”论文、6篇“深度估计与三维重建”论文、4篇“三维形状分析”论文、3篇“三维点云分割”论文、5篇“图像视频分析”论文。 5篇“综述”主要针对单目深度估计、三维点云配准、多源融合SLAM进行了系统性的总结与探讨，并对未来的研究方向和发展趋势进行了展望。 1)《基于深度学习的单目深度估计技术综述》对2014—2021年间深度学习用于单目深度估计的经典方法以及最新进展进行了全面综述，回顾了基于监督学习和无监督学习方法的发展历程。并对当前研究的现状、面临的问题及可能的解决方案进行了讨论。 2)《深度学习刚性点云配准前沿进展》聚焦于深度学习点云配准，重点阐述领域最新方法和发展趋势；对不同算法进行了详细阐述与归纳比较；介绍了多种度量指标以及在不同基准下的对比数据；最后讨论了当前深度点云配准面临的挑战，并对未来研究方向进行展望。 3)《三维点云配准方法研究进展》分别就非学习和基于学习的点云配准方法进行综述与对比分析，从应用场景、配准性能、应用条件、算法通用性方面指出了点云配准技术面临的挑战，并展望了未来的发展趋势。 4)《多源融合SLAM的现状与挑战》从多传感器融合(相机、激光雷达、惯性测量单元等两种或多种传感器的组合使用)、多特征基元融合(特征法与直接法，线、面等多维几何特征相结合)和多维度信息融合(几何信息、语义信息、物理信息、学习方法等相融合)3个层面对当前多源融合SLAM研究的状态、面临的挑战及未来方向进行综述。 5)《深度学习单目深度估计研究进展》分别论述了单图像训练模型、多图像训练模型和辅助信息优化训练的单目深度估计模型，系统分析了单目深度估计的最新研究现状和各类方法的优缺点，总结归纳了单目深度估计的未来研究趋势。 “数据集”论文《面向本征图像分解的高质量渲染数据集与非局部卷积网络》建立了新的高质量本征图像数据集，并提出一种基于图卷积的神经网络。由于显式地结合了非局部先验，该网络得到了更优的本征分解结果，并通过一系列应用任务得到了进一步的验证。 “深度估计与三维重建”栏目6篇论文分别：提出一种快速、鲁棒的结构化重建算法以自动生成轻量的多边形网格；提出一种基于多阶段指导网络的稠密深度图构建方法；为实现高精度的双目视差估计，提出采用单、双边多尺度相似性迭代查找的方法；提出一种显微光学系统成像模糊程度与景物深度关系曲线的获取方法；对多视图立体三维重建中的特征提取模块和代价体正则化模块进行研究，提出一种基于注意力机制的端到端深度学习架构；提出一种基于场景几何的方法在自动驾驶领域实现真实尺度恢复。 “三维形状分析”栏目4篇论文分别：提出了一种基于显著性图的点云替换对抗攻击方法；利用网格简化的边收缩操作建立网格层次结构，提出了一种新的网格池化操作；提出一种新颖的无翻转体映射计算方法，其核心是一种新的变形方法；为更好地提取残缺点云的局部特征信息，使得点云补全的结果更加准确，提出了嵌入注意力模块的多尺度点云补全算法。 “三维点云分割”栏目3篇论文分别：为建立三维模型语义部件之间的对应关系并实现模型自动分割，提出一种利用隐式解码器的无监督三维模型簇协同分割网络；为更好地在从无序的点云中挖掘形状特征，提出一种能够端到端且鲁棒地处理点云数据的多维度多层级神经网络MM-Net；提出了一种基于多特征融合几何卷积神经网络(MFFGCNN)的机载激光雷达点云地物分类方法。 “图像视频分析”栏目5篇论文分别：提出了聚合细粒度特征的深度注意力自动裁图方法DAIC-Net；针对从单幅人脸图像中恢复面部纹理图时获得的信息不完整、纹理细节不够真实等问题，提出一种基于生成对抗网络的人脸全景纹理图生成方法；针对因视差过大和视差突变造成视觉不舒适度这一问题，提出了一种基于时空联合视差优化的立体视频重定向方法，将视频视差范围控制在舒适区间；提出一种多尺度可视化形状表示方法；提出一种基于热力图的6D物体姿态估计算法。 我们期待广大读者和科技人员通过本期“三维视觉与智能图形”专刊，能够更深入、更全面地了解该领域的最新方法和应用，吸引更多学者从事相关研究并产生具有国际影响力的优秀成果，为本领域的发展做出新的贡献。