bundlefusion的ubuntu16.04移植及改写——ORB_FUSION

  先介绍一下我的ORB_FUSION,ORB_FUSION是一个基于任意slam的借鉴bundlefuison的integrate和deintegrate的三维实时重构软件。它通过slam获取相机的位置信息,关键帧等等,如果是稠密的,那就是每一帧图像都参与融合,要是基于关键帧就直接融合关键帧,融合的方式采用bundlefuison的integrate和deintegrate,同时也是基于GPU用CUDA实现。其中对于实时三维重构要想能在slam获得回环后把位置经过修正的帧重新融合必须有deintegrate功能。笔者真心认为bundlefusion是三维实时重构的里程碑,是最完善的,目前公开的三维实时重构这个bundldfusion无论在算法和实现上都是最先进的,state of the art。只是它运行特别费资源,我就改进了一把。

  今天,调试比较顺利,我把bundlefusion的ubuntu16.04移植及改写——ORB_FUSION,调试成功了颜色融合部分。到目前为止:调试成功了,通过orb_slam2获取关键帧,位置并给ORB_FUSION作为输入,哈希数据分配,integrate,deintegrate。

  到目前为止:ORB_FUSION只差提取等值面就完成了。

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。
评论 1
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