La reconstrucción de alta calidad de superficies pulidas es una tarea prometedora pero desafiante en el campo industrial. Debido a sus propiedades reflectantes extremas, los métodos de última generación no han logrado un compromiso satisfactorio entre la retención de la textura y la eliminación de los efectos de los valores atípicos especulares. En este artículo, proponemos un método de estéreo fotométrico a nivel de píxel basado en aprendizaje para estimar la normal de la superficie. Se utiliza una red neuronal convolucional de fusión de características para extraer las características del mapa normal resuelto por el método de mínimos cuadrados y de las imágenes originales, respectivamente, y combinarlas para regredir el mapa normal. La red propuesta supera a los métodos de última generación en el conjunto de datos de referencia DiLiGenT. Mientras tanto, utilizamos la superficie de soldadura de rieles pulidos para verificar la generalización de nuestro método. Para ajustarnos a la geometría compleja de los rieles, diseñamos un hardware flexible de recolección de información de estéreo fotométrico con luces de múltiples ángulos y cámaras de múltiples vistas, que puede recopilar la información de luz y sombra de la superficie del riel para el estéreo fotométrico. Los resultados experimentales indican que el método propuesto es capaz de reconstruir la normal de la superficie pulida a nivel de píxel con abundante información de textura.