KinectFusion: Real-Time Dense Surface Mapping and Tracking论文阅读

最新推荐文章于 2024-06-25 09:42:29 发布
最新推荐文章于 2024-06-25 09:42:29 发布
阅读量1.5k 收藏 1
点赞数

算法分析

本篇文章也是前前后后读了几次，仍然感觉不是很明晰

method

先上一张框架图

由于自己不做重建这块，所以选看了部分

Sensor Pose Estimation

不同与基于特征的算法，本文基于ICP算法是建立在高速的帧率的基础上，如此我们可以假定帧间的移动非常小，并且由于现在的GPU硬件的的并行计算，我们可以使用所有测量到的表面数据进行数据关联并且点线优化。

如下面的公式

 

 

Thiac
关注
KinectFusion: Real-time 3D Reconstruction and Interaction Using a Moving Depth Camera
Zlp19970106的博客
05-25 637
KinectFusion: Real-Time Dense Surface Mapping and Tracking 主要贡献和特点 （1）基于RGB-D相机三维重建的开山之作，首次实现实时稠密的三维重建。 （2）通过融合序列图像重建三维重建，如果显卡满足要求重建的帧率可以跟得上深度相机的帧率（30Hz）。 （3）通过配准当前帧和模型投影获取的图像计算位姿，比通过配准当前帧和上一帧计算位姿要更加准确。 （4）使用 TSDF 模型不断融合深度图像重建三维模型。 重建流程 ...
KinectFusion公式推导、理解
GongBingjian
12-30 7123
“KinectFusion Real-Time Dense Surface Mapping and Tracking”一文于2012年发表，该文章首次实现了实时稠密重建（Real time dense restruction），我认为微软的Kinect深度相机是其成功的根本，该文章也是首次成功应用了深度相机，是做实时稠密重建（Real time dense restruction）方向的必读论文。
KinectFusion: Real-Time Dense Surface Mapping and Tracking
05-08
We present a system for accurate real-time mapping of complex and arbitrary indoor scenes in variable lighting conditions, using only a moving low-cost depth camera and commodity graphics hardware. We fuse all of the depth data streamed from a Kinect sensor into a single global implicit surface model of the observed scene in real-time. The current sensor pose is simultaneously obtained by tracking the live depth frame relative to the global model using a coarse-to-fine iterative closest point (ICP) algorithm, which uses all of the observed depth data available. We demonstrate the advantages of tracking against the growing full surface model compared with frame-to-frame tracking, obtaining tracking and mapping results in constant time within room sized scenes with limited drift and high accuracy. We also show both qualitative and quantitative results relating to various aspects of our tracking and mapping system. Modelling of natural scenes, in real-time with only commodity sensor and GPU hardware, promises an exciting step forward in augmented reality (AR), in particular, it allows dense surfaces to be reconstructed in real-time, with a level of detail and robustness beyond any solution yet presented using passive computer vision.
KinectFusion: Real-Time Dense Surface Mapping and Tracking 论文解析
qq_37107778的博客
12-16 1647
概述 Kinetic Fusion 是第一个系统利用RGBD相机在房间大小的范围实现具有 real-time, dense volumetric reconstruction特性的三维重建。并且因为具有稠密的深度信息，所以在黑暗的情况下，也可以实现三维重建。 ...
KinectFusion: Real-Time Dense Surface Mapping and Tracking论文阅读笔记
weixin_42793505的博客
02-09 325
该文提出一种基于深度图的可以在大场景情景下以30Hz帧率进行实时稠密重建的方法。Tracking使用frame-to-model ICP进行位姿估计，Mapping使用了TSDF进行模型表示。根据估计出的位姿，将新生成的surface集成到场景模型中。将场景模型的SDF投射到当前估计位姿表示的帧中，以得到稠密的表面预测。在predicted surface和当前深度测量间使用多尺度ICP进行配准。基于GPU的实现可以以帧率进行配准。
kfusion:这是 Newcombe 等人描述的 KinectFusion 系统的实现草图
06-13
在 "KinectFusion: Real-Time Dense Surface Mapping and Tracking", ISMAR 2011, 2011 中。它是一个使用单个 Kinect 相机作为输入传感器的密集表面重建和跟踪框架。 KFusion 主要是用 CUDA 编写的，带有一些界面...
Kinectfusion
10-17
《KinectFusion: Real-Time Dense Surface Mapping and Tracking》是一篇介绍利用低成本深度摄像头（如Kinect）进行实时三维场景重建的经典论文。该研究由Richard A. Newcombe等人在2011年提出，并发表于国际顶级...
KinectFusion: Real-Time Dense Surface Mapping and Tracking ICP迭代更新部分推导
yangyoung1223的博客
08-28 360
其实就是kinectfusion这篇文章里面的§3.5那一部分拿出来仔细读一下,代码里面要参考着写ICP部分 实时相机定位需要对于每个新进来的深度图估计当前相机位姿Tw,kT_{w,k}Tw,k​，很多方法为了加速运算选择从深度图里面挑选出特征点，抛弃剩下的深度信息。而在我们的工作里面，利用两个trick来用上所有的数据，实现稠密的ICP： 首先保证采集的数据帧率够高，这样可以用小角度假设，优化我们的运算 ...
KinectFusion算法论文
04-12
KinectFusion是微软研究院的一个项目，研究用Kinect来实时地重构3D表面，最终用于人机交互，目前由PCL开发团队开发
微软实时三维重建KinectFusion两篇论文
10-16
微软实时三维重建KinectFusion两篇论文：一篇原理，一篇GPU流水线实现，源码为CUDA和C++结合
semanticFusion_训练替换其他网络个人记录
01-06
semanticFusion(SF)替换其他网络常见问题总结： 分为两种方式，第一种直接替换，第二种部分替换，第一种方便快捷，第二种是要学习caffe必须要掌握的。 －－－－－－－－－－－－－－－－－－－－－－－－－分割线－－－－－－－－－－－－－－－－－－－－－－－－－－－－ 第一种直接替换： caffe_semanticfusion模块，可直接替换其他caffe版本语义分割网络，只需要将改一下名字(eg:deeplab-public-ver2->caffe_semanticfusion)，提换SF原有模块，然后在此基础上训练，将生成好的caffemodel放入替换对应位置。 如果只是rgb
微软KinectFusion开源实现
04-09
经过优化的KinectFusion开源实现，无需PCL点云库，只要有opencv2.4.9即可运行。代码已经简化，适合对照论文学习算法。
kinect fusion 论文
xu19950525的博客
08-24 262
kinect fusion参考文献：https://zhuanlan.zhihu.com/p/35894630 tsdf参考：https://blog.csdn.net/sinat_27990891/article/details/83352466 https://zhuanlan.zhihu.com/p/45292978 https://blog.csdn.net/qq_39732684/article/details/105294993 截断符号比较：https://blog.csdn.n.
kinectfusion解析_KinectFusion 论文解析
weixin_39662594的博客
12-21 232
地位和特点1、RGB-D 重建的开山之作，首次实现实时稠密的三维重建2、通过融合序列图像重建三维重建，如果显卡满足要求重建的帧率可以跟得上 Kinect 相机的帧率(30Hz)。3、通过当前帧和模型投影获取的图像之间计算位姿，相当于通过当前帧和上一帧之间计算位姿要更加准确。重建流程图 重建流程如上图所示：a) 读入的深度图像转换为三维点云并且计算每一点的法向量；b) 计算得到的带有法向量的点云...
KinectFusion 论文阅读笔记
YuQiao0303的博客
12-21 551
参考： https://zhuanlan.zhihu.com/p/35894630 目标 实时输入RGBD视频流（用Kinect扫描仪获得） 实时获得重建的mesh 一些参数 相机内参：相机坐标系中一点到像素平面的转换方程 位姿估计pose estimation：相机坐标系到师姐坐标系的转换矩阵 始终在更新全局的： 点云，法向 TSDF 相机位姿 流程 Measurement （单帧求点云和法向） 输入：一帧Kinect的RGBD图像，（相机内参已知） 输出：vertex map（也就是点云图）V、nor
三维重建入门第一篇：KinectFusion论文精读，原理、流程详解，帮你看懂这篇文章
littlefrogyq的博客
09-08 3855
详细讲解三维重建入门第一篇必读文论KinectFusion的流程及原理，希望能够帮助到大家
推荐开源项目：KinectFusion - 实时3D场景建模与跟踪利器
最新发布
gitblog_00002的博客
06-25 439
推荐开源项目：KinectFusion - 实时3D场景建模与跟踪利器 项目地址:https://gitcode.com/ParikaGoel/KinectFusion 项目简介 KinectFusion是一个基于RGB-D相机（如Intel RealSense）的开源项目，能够实时地构建和追踪场景的3D模型。该项目遵循Izadi等人在“Kinectfusion: Real-time dense ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值