地外天体的三维形貌重建是深空探测任务中的核心环节之一，为着陆区选址、巡视规划、资源勘查等提供关键的三维空间信息支撑。现有方法如摄影测量法、影像光度法与激光测高插值法等，已广泛应用于月球、火星、小行星等地外天体的三维形貌重建，在高精度地形模型构建、关键区域地貌解析及资源勘查等方面取得了显著成果。但是受制于影像获取条件受限、控制基准缺失以及地形与光照环境复杂等因素，常面临数据质量差、匹配困难、观测缺失与自动化不足等问题。近年来，卷积神经网络、生成对抗网络、注意力机制模型（Transformer）和神经辐射场等人工智能方法在地外天体的三维重建工作中被逐渐关注。本文系统回顾了人工智能方法在地外天体三维形貌重建任务中应用的3种主要技术途径，即用于影像的特征提取与匹配、用于单视影像的深度估计，以及用于多视影像的辐射场建模。本文还对各类方法的核心机制、典型应用案例、适用场景和性能特点进行了对比分析，并总结了当前存在的技术挑战，展望了未来在多源融合、自/弱监督学习、大模型及实时处理等方面的研究趋势，以期推动人工智能方法在地外天体三维形貌重建领域的进一步应用与发展。
