Surfel-Based Mesh Reconstruction
该算法是输入是RGB-D图像流，和通过SLAM系统求出的相机位姿（ElasticFusion），该算法由四大部分组成
surfel reconstruction，采用ElasticFusion的方式进行面元重建；
surfel denoising，创新点；
meshing，采用A fast and efficient projection-based approach for surface reconstruction类似方法；
remeshing，创新点。
前两部分主要是对点云进行处理，后两部分主要是对点云进行网格三角化。
一、Surfel Reconstruction
我们的算法是对一个surfel cloud进行三角划分。为重建出这些cloud，我们采用ElasticFusion，以下阐述这种算法以及我们的修改。
从RGB-D图像输入流中，新来一帧图像时，数据关联步骤会决定深度测量值是创建一个新的surfel还是用来修正已有的surfel。对于回环检测部分，surfel cloud会变形对齐到匹配的表面。
Surfel s表示
{ P s 坐 标 c s 颜 色 n s 法 向 量 σ s 置 信 度 r s 半 径 t s , 0 创 建 时 间 t s 最 后 更 新 时 间 \left\{\begin{matrix} P_s && 坐标 \\c_s && 颜色 \\n_s && 法向量 \\\sigma_s && 置信度 \\r_s && 半径 \\t_{s,0} && 创建时间 \\t_s && 最后更新时间 \end{matrix}\right. ⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧Pscsnsσsrsts,0ts坐标颜色法向量置信度半径创建时间最后更新时间
数据关联。
类似于[24]，我们投影surfels到当前帧图像，决定哪个深度测量值关联已存在的surfels。为了决定哪个surfel投影到哪个pixel，[24]创建了一种super-sampled 索引图来渲染所有surfels， 但仍然受限于分辨率。我们通过始终直接从投影操作的结果中获取面元索引来改进这一点。 对于获取数据关联， 每个surfel针对投影到像素，以及这个像素相邻像素进行评估，使用一个简单模型，测量深度为
z
z
z，对于离这个像素距离在
[
(
1
−
γ
)
z
,
(
1
+
γ
)
z
]
[(1-\gamma)z,(1+\gamma)z]
[(1−γ)z,(1+γ)z]内的surfel，称为支持sufel，在小于区间的最小值，称为冲突surfel，大于区间的最大值，则称为占用surfel。
测量融合
我们为没有关联到冲突surfel或者支持surfel的像素点创建一个新的surfel。初始化surfel的值，半径r由下式计算，p(x,y)是像素点(x,y)对应的3D坐标。
在图像空间中半径内的像素作为直接邻居，进而推算出3D空间中surfel的邻居以及与邻居的距离。
像[24]那样融合当前surfel，不同的是我们将其融合到支持surfels中，将当前的surfel与每个支持的surfel使用下式进行加权平均。权重
ω
\omega
ω由所有支持surfels个数的倒数。
回环检测
该部分和ElasticFusion中的回环检测相似。
二、Surfel Denosing
尽管在融合surfel时用的加权平均，但在surfel还是存在很多噪声，在融合深度图的边界可能出现不连续的点，我们使用混合的方式处理这个问题。
Regularization
正则化的目的是保持一个平滑的surfel，减少与邻近的surfel之间的噪声。对surfel的结构进行扩展， p s p_s ps,四个邻居surfel的下标索引 N s N_s Ns，用来加速计算梯度临时存储。每个面元的降噪后的位置取决于邻居的降噪后的位置，邻居又取决于邻居的邻居，以此类推。
通过优化两个误差项，来更新surfel的位置和法向量。
Observation Boundary Blending
使用算法1，来避免，在优化之后，出现观察和没观察的边界之间不连续的情况。
按照算法1流程，将灰色的点的深度线性靠近到黑色表面。
最后使用icp将之前重建好的点（黑色）对齐到当前的点（灰色）。
三、Meshing
我们需要一个非常快的尺度无关的网格算法，来对数百万surfel进行三角网格化。对于meshing网格化使用[22]、[23]，并作小的修改。
Spatial access
网格划分算法需要快速准确地找到一个surfel半径内所有其他surfel。因此需要一个空间访问结构。使用八叉树进行存储。
Triangulation
网格划分算法贪婪地遍历所有surfels，并对每个surfel与它邻近的surfels进行局部三角化，以增加网格。每一个surfel有三种状态，
- free 没有附带三角形。
- front 在三角网格的边界上。
- completed 在三角网格里。
所有新的surfel都为free状态。算法遍历所有的新的surfel…
对于遍历到某surfel，使用surfel的半径来进行搜索srufel，如果当前surfel在网格边界上，且边界邻居在半径外，我们就扩展搜索半径为2倍，以包含这些邻居。将所有的邻居surfel投影到当前surfel的切平面上，对于投影后的surfel不可见，或者法向量相差太多，就丢弃该投影。如下图。
如果当前surfel三free状态，则首先尝试创建一个初始三角形，如下图。
将当前surfel的所有邻居按角度进行排序，相邻两个邻居之间成为空隙，如果相邻两个邻居之间的夹角过大，则会形成狭窄的三角形，则会丢弃该三角形。
最后通过三角形填充完所有相邻邻居之间的空隙。
四、Remeshing
当surfels移动或创建新的surfels时，网格的现有部分可能会过时，需要有效地更新。对此，我们提出的方法工作在现有网格算法遍历每个网格之前，首先定义一种网格状态，存在一个洞，上图的e，红色部分的三角形，这里不可能生成一个表面，所以最后的渲染结果会存在一个洞，我们首先要识别所有的洞，然后使用网格算法重建那里的表面。
识别步骤
对于一个有效的三角形，它至少有一个顶点s，s是包含了s所有搜索半径内的邻居，且法向量相似。
三角形的法向量必须与这个顶点s的在90度内。
在s的切平面，没有其他邻居再投影到这个三角形中，并且这个三角形不会与另一个三角形相交。
如上红色部分是一个洞，导致周围几个三角形都不是有效的三角形。接下来将这些三角形，以及对应的顶点的三角形都删除，最后再进行上一节中的meshing，就可以重建出有效的比较好的表面。
488
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
