BundleFusion配置运行

平台:win10+vs2013+cuda8.0+kinect v1

参考:https://bericht.neopostmodern.com/posts/artist-guide-to-bundlefusion

1.先按照github上的步骤来,注意mlibExternel和bundlefusion-master在同一级目录

2.安装cuda,cuda7.0我的concrt.h会报错,提示常量字符过多,这个问题搜了一圈也没解决,我安装了cuda6,7,8,9,现在用的cuda8.0是可以运行的

3.编译之前在globalappstate.h中的define部分选择kinect,把其他传感器注释掉,

4.很重要的一点,选择适合你显卡的compute能力,在工程的配置选项

打开工程它选择的是compute = 35 ,sm=35 而我的显卡就比较水,是gtx660,去nvidia官网查自己的显卡对应的计算能力,我的如图。

5.其他问题:我试了kinect v2 xtion2,这两个目前都不行,二代kinect会卡死,xtion2的话需要修改一下primesense.h,让primesense类重写它父类的纯虚函数,就是一个打印设备名,得自己加要不编译不过,后面想用xtion2,还得想想办法。

6.碰到运行时出现的cuda报错问题,有可能是显卡的显存不够的问题,在配置文件zParametersDefault.txt中,把诸位s_marchingCubesMaxNumTriangles调小,或许可以解决。

7.运行时,按2贴图

7.目前看来如果想直接运行,我只成功了kinect v1,如果有哪位旁友用xtion2成功了,求赐教!

8.xtion2已经可以跑通,

这里的device.open要改成打开设备而不是数据流

按照上面注释,之后编译会出错,和binarydump有关的,直接注释掉

9,很重要的一点,xtion2的配置,需要安装专门的openni2的sdk,把这个文件夹下的都复制到工程生成的debug下,更重要的是,openni2下的regist没有senduck.dll,这个是xtion2的专有的动态链接库,要去xtion2专用的openni2下C:\Program Files\OpenNI2\Samples\Bin\OpenNI2\Drivers去复制这个动态链接库

 

 

实时全局一致的3D重建,使用动态表面重新整合技术实时,高品质,大尺寸场景的3D扫描是混合现实和机器人应用的关键。然而,可扩展性带来了姿态估计漂移的挑战,在累积模型中引入了显着的错误。方法通常需要几个小时的离线处理来全局纠正模型错误。最近的在线方法证明了令人信服的结果,但遭受以下缺点:(1)需要几分钟的时间才能执行在线修正,影响了真正的实时使用; (2)脆弱的帧到帧(或帧到模型)姿态估计导致许多跟踪失败;或(3)仅支持非结构化的基于点的表示,这限制了扫描质量和适用性。我们通过一个新颖的,实时的端对端重建框架来系统地解决这些问题。其核心是强大的姿态估计策略,通过考虑具有高效分层方法的RGB-D输入的完整历史,针对全局摄像机姿态优化每帧。我们消除了对时间跟踪的严重依赖,并且不断地将其定位到全局优化的帧。我们提出了一个可并行化的优化框架,它采用基于稀疏特征和密集几何和光度匹配的对应关系。我们的方法估计全局最优化(即,束调整的姿势)实时,支持从总跟踪故障(即重新定位)恢复的鲁棒跟踪,并实时重新估计3D模型以确保全局一致性;都在一个框架内。我们优于最先进的在线系统,质量与离线方法相同,但速度和扫描速度前所未有。我们的框架导致尽可能简单的扫描,使用方便和高质量的结果。
BundleFusion算法虽然在实时重建和场景重建方面有一定的优势,但也存在一些不足之处: 1. 对大规模场景的处理能力有限:BundleFusion算法在处理大规模场景时可能会面临内存和计算资源限制的挑战。由于需要存储和处理大量的点云数据,算法的实时性能可能会受到限制。 2. 对运动快速或动态场景的鲁棒性较差:BundleFusion算法在处理运动快速或动态场景时可能会出现模糊或伪影等问题,导致重建结果的不准确性。算法对于相机姿态变化和场景动态性的鲁棒性有待改进。 3. 对纹理缺乏鲁棒性:由于BundleFusion算法主要依赖于特征点的提取和匹配,对于纹理缺乏或低纹理区域的处理可能会存在困难。这可能导致在低纹理区域的重建结果较差。 4. 对平面结构和非平面结构的处理不平衡:BundleFusion算法在处理平面结构和非平面结构时可能存在处理不平衡的问题。对于非平面结构,算法可能需要更复杂的建模和优化策略来捕捉其几何形状和细节。 5. 受限于输入传感器:BundleFusion算法对输入传感器的要求较高,需要精确的相机姿态和深度图像信息。这可能限制了算法在一些设备或传感器上的适用性。 综上所述,BundleFusion算法在实时重建和场景重建方面具有一定的局限性。然而,随着技术的不断发展和改进,这些问题有望得到进一步解决,并提高算法的稳定性和鲁棒性。
评论 31
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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