我胡汉三维重建又干回本行了


目录

  • 由KinectFusion谈起
  • 实时三维重建与SLAM
  • KinectFusion算法流程浅谈
  • 实时重建中的ICP算法
  • 何为ICP
  • 实时重建中的ICP算法的GPU实现
  • 相机位姿估计
  • 点云与全局模型的融合
  • 光线投影算法
  • 总结与思考


由KinectFusion谈起

KinectFusion首次实现了基于RGB-D实时三维重建，该算法的流程是将获取的深度图像转化为点云，然后从模型投影获得到深度图像配准，求解位姿，根据相机位姿将点云数据融合到场景的三维模型中，最后使用光线投影算法求解当前视角下所看到的场景。具体实现过程可以参照：KinectFusion: Real-time dense surface mapping and tracking这篇，这里只是说说我的理解。

实时三维重建与SLAM

事实上，这两个追求的目标是不一样的。基于RGB-D的实时三维重建更注重重建精度，而SLAM更注重轨迹求解的精度，所以前者会对点云进行精简工作，使用直接法+icp进行配准，而后者通常只是简单的讲点堆积在一起，再使用特征匹配+icp进行粗略配准，当然，现有的SLAM已经做了很大的改进，这里不赘述。

KinectFusion算法流程浅谈

实时重建中的ICP算法

何为ICP

本质上，ICP（迭代最近点）算法就是在求解两个点云之间的最小距离，算法步骤为：

  1. 对于源点云中的每个点（通常是整个顶点集中的密集集合或每个模型中的成对顶点选择），去匹配目标点云最接近的点；
  2. 使用均方根到点距离度量最小化技术来估计旋转和平移矩阵，该技术将使每个源点最佳地与其上一步中找到的匹配点对齐。该步骤还可以包括在对准之前加权点并剔除异常值；
  3. 使用获得矩阵变换源点云；
  4. 迭代（重新关联点，依此类推）。
    未完待续。。

实时重建中的ICP算法的GPU实现

相机位姿估计

点云与全局模型的融合

光线投影算法

总结与思考

全篇主要参考文献：
[1] Newcombe R A, Izadi S, Hilliges O, et al. KinectFusion: Real-time dense surface mapping and tracking[C]//Mixed and augmented reality (ISMAR), 2011 10th IEEE international symposium on. IEEE, 2011: 127-136.
[2] Izadi S, Kim D, Hilliges O, et al. KinectFusion: real-time 3D reconstruction and interaction using a moving depth camera[C]//Proceedings of the 24th annual ACM symposium on User interface software and technology. ACM, 2011: 559-568.
[3]KinectFusion和ElasticFusion三维重建方法ppt,付兴银。