实车采集的数据重建场景_最新开源 RGBD+IMU数据集：FMDataset

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

杭电-清华联合培养博士生朱尊杰等人开源了他们论文“Real-time Indoor Scene Reconstruction with RGBD and Inertia Input”中的数据集。该论文获得了2019 IEEE International Conference on Multimedia and Expo (ICME，CCF B类会议)的最佳学生论文奖。

重点来了，目前作者开源了他们的RGBD+IMU数据集：数据集传送门:

 https://github.com/zhuzunjie17/FastFusion

背景介绍

相机运动估计是三维场景重建中的关键技术。之前的工作均假设相机是缓慢运动的，从而局限了它们在真实场景下的应用。我们提出了一个端到端的三维重建系统，主要利用彩色图像，深度图像以及惯性测量单元的信息实现快速相机运动下的鲁棒重建。我们以扩展卡尔曼滤波为框架来融合这三类输入，并引入迭代的方法来联合优化特征配准，相机姿态估计以及场景几何。我们也提出来一个新颖的考虑几何信息的区块变形技术，从而适应图像层的特征表面变化，实现了快速相机运动下更加准确的特征匹配。实验结果表明我们的区块变形技术提高了特征跟踪的精度，我们的三维重建系统在快速相机运动下优于现有技术。

下面是论文demo：

朱博士之前在计算机视觉life做的关于上述工作的公开课回放视频见：

公开课视频回放 | 基于RGBD和IMU的实时室内SLAM及三维重建</