voxel hashing

资料

csdn voxel hash

motivation

在之前的表示中，会存储每个voxel的TSDF值。但是既然使用了截断SDF值，意味着不在截断范围内的体素组成的空间是free space，也就是没有必要的部分，对表面的重建不会有太大的帮助。因此可以设计一个新的数据结构来开发有效体素的稀疏性。

intro

这篇是用hash方法，设计了一个新数据结构，让TSDF可以动态增长。这种方法在大场景和精细建模上都可以使用。

related work

现在有三种三维重建方法：

• parametric methods, 直接把重叠的深度采样作平均，然后按照简单的topolopy来连接点。
• point-based , 把重叠的点融合。 render采用这种方法。这种在小物件、精细重建上经常使用。这种方法没法直接对表面建模。
• height map， 使用了2.5D的连续表面来表示重建。多用来进行建筑物建模。虽然很高效，但是不够精细。
• volumetric，使用raycasting等，把深度图转换成sdf，以概率来加权到voxel grid里面。缺陷是需要很大内存储存voxel，无法全局构建。

解决这些问题，有人提出用moving volume, 也有人用GPU-based octree。但是得不偿失，GPU上运行很慢。

algorithm

本文方法建立在volumetric上，使用hash 而不是设计复杂octree。而且不需要表面集合的先验知识。
主要有四点：

• 压缩TSDF，不适用octree
• 新TSDF可以fuse到hash table中，最小化collision。collision就是多个voxel被map到了同一个hash中。
• 去掉voxel block中的垃圾？
• Host 和GPU中用轻量级双向数据流， 达到unbounded reconstruction
• 使用raycasting等方法得到等值面。

pipeline

1. alloc occupied blk
2. update sdf in blk（integration）
3. free voxel block that is far from surface. Ignore this step in esdf.
4. pose etimation. ignore this step.
5. streaming. leave it later, now just copy all.

数据结构

• voxel数据结构，里面没有坐标, hash entry里面有。根据hash key找到hash entry。
  
  
  

hash解决冲突

• 一个hash value对应一个bucket，每个bucket有4个entry. 一个coord经过hash函数计算得到一个hash value，如果对应的bucket里面有值，那么可以放到此entry后面一个entry。当寻找这个coord，（hashtable.find(coord)），先找到bucket，然后在bucket中遍历entry, 比较coord.

• 很少情况下，bucket overflow。这时候用链表思想，offset记录下一个entry到应该在的bucket地址的偏移。

• find_insert: 先找bucket中每一个entry（中间碰到空格不要停，因为可能被删除了。esdf不删除，应该可以停）,再找链表。还没找到，说明是新的，就插入。注意，不能同时写入一个bucket，会造成重复的entry或者链表不对。

• delete
  删除时分三种情况：
  1、如果待删除的 hash entry 在 hash value 对应的 bucket 中，并且不是末尾元素，或者是末尾元素，但是末尾元素的 offset 是空，则在 bucket 直接将 hash entry 删除。
  2、如果待删除的 hash entry 是 hash value 对应的 bucket 中的末尾元素，并且末尾元素的 offset 不是空，则需要根据 offset 找到链接的下一个 hash entry，并且将下一个 hash entry 移动到到末尾的 entry，
  因为 bucket 末尾的entry 存储的是 bucket 满时，链接的别的 bucket 中 entry 地址，所以这里必须做移动。
  3、如果待删除的 hash entry 在别的 bucket 中，删除该 entry 并且修改 offset