logo资料库

KinectFusion 和 ElasticFusion 三维重建方法.pdf

发布时间：2022-06-15 发布人：admin 分类：说明书 资料大小：2.51M 资料格式：pdf 举报 版权申诉
第1页 / 共24页
第2页 / 共24页
第3页 / 共24页
第4页 / 共24页
第5页 / 共24页
第6页 / 共24页
第7页 / 共24页
第8页 / 共24页
资料共24页，剩余部分请下载后查看
    KinectFusion 和 ElasticFusion 三维重建方法 付兴银 2016/8/23
    实时三维重建 和 SLAM 对比 基于RGB-D实时三维重建 SLAM 直接法 ICP 特征匹配（GPU） 特征配准 直接法 ICP（CPU） 对点云融合去冗余操作 简单将点堆在一起 更关注重建的精度 更关注轨迹求解的精度 位姿/闭环约束 优化重建 MAP（通过优化轨 位姿/特征点约束用来优化相机轨迹 迹优化 Map 或者直接优化 Map）
    KinectFusion 算法流程 评价： 首次实现基于RGB-D 实时 三维重建 a) 2D 深度图像转换成 3D 点云并求得每一点的法向量 b) ICP 迭代求当前帧相机位姿 c) 根据相机的位姿将点云数据融合到场景的三维模型中 d) 光线投影算法求当前视角下能够看到的场景表面
    实时三维重建中的 ICP 算法 深度图像（双边滤波）+ 相机内参 点云 + 法向量 对点云分层抽样并且匹配按照 coarse-to-fine 的方式 输入： 当前点云、 参考点云、 参考点云法向量 for 循环迭代 n 次 for 每个像素点 单个线程处理 1. 对于每个像素点用投影算法计算匹配点（两帧位姿小） 2. 对于匹配点极小化点到平面的距离计算位姿 3. 将位姿结果作用于当前点云，然后进入 1 ()uvipiqinT
    实时三维重建中的 ICP 算法 GPU 实现 （PCL） 每个像素单个线程处理 计算匹配点 根据匹配点计算像素点的 contribution 单个线程处理的结果在 GPU 中做累加（Reduce） 累加结果传到 CPU 计算最终位姿 每个像素点用单个线程处理各自 Contribution 2argmin||optxxCxb
    实时三维重建中的 ICP 算法 GPU 实现 （PCL） 单个像素点的contribution 每个 Block 中单个线程的 contribution 做累加 每个 Block 累加和存储到 GPU 显存 单个 Block 对每个 C 和 b 其中一个元素做累加 @张也东 012345670123010Value (shared mem)Step 1 Stride 8Step 2 Stride 4Step 3 Stride 2Step 4 Stride 1
    根据相机的位姿将点云数据融合到全局模型中  三维的 TSDF 模型，将待重建的三维场景划分成网格  对于每一帧的深度图像做融合  TSDF 模型：网格中的数值代表离重建场景表面的距 离，网格中从正到负的穿越点代表重建的表面
    分享到：
    赞 收藏

    相关推荐

    资料库

    后端

    共收录2142份资料，累计10个分类，关注成员有19位，主要包括：Perl,Docker,Delphi,VB,PHP,Java,C,C#,Python,C++

    热门标签

    Perl Docker Delphi VB PHP Java C C# Python C++

    最新资料