ElasticFusion实验记录

代码准备：

运行GPUTest

修改 ElasticFusion/Core/src/Utils/GPUConfig.h

使用Kinect2，需要修改

MainController.cpp ln 37:Resolution::getInstance(512, 424);//Resolution::getInstance(640, 480)

使用数据集，不需要修改

 

数据准备：

将TUM数据集的RGB-D图像序列作为ElasticFusion（https://github.com/mp3guy/ElasticFusion）的输入数据，旨在使用TUM数据集的工具量化ElasticFusion估计的估计误差，这样可以与其他方法对比。

$ ./associate.py depth.txt rgb.txt > associations.txt

https://github.com/HTLife/png_to_klg，将TUM数据集的RGB-D数据集转化为klg格式后输入到ElasticFusion中处理。 

$ cd png_to_klg $ mkdir build $ cd build $ cmake .. $ make $ ./pngtoklg -w '/home/turtlebot/Database/TUM/rgbd_dataset_freiburg1_360/' -o '/home/turtlebot/Database/TUM/rgbd_dataset_freiburg1_360/fr1360.klg' -t

$ ./ElasticFusion -l ~/Database/TUM/rgbd_dataset_freiburg1_360/fr1360.klg -f

执行结束后会在/home/turtlebot/Database/TUM/rgbd_dataset_freiburg1_360/下生成fr1360.klg.freiburg文件，即就是ElasticFusion估计的相机位姿，之后就可以使用TUM提供的工具了，比如evaluate_ate.py。

 

ICLNUIM数据：

转klg时注意没有t

./pngtoklg -w '/home/wen/data/traj0_frei_png' -o '/home/wen/data/traj0_frei_png/traj0.klg'

./ElasticFusion -l /home/wen/data/traj0_frei_png/traj0.klg -d 12 -c 3 -f -q -o