阅读笔记：Real-time 3D Reconstruction in Dynamic Scenes using Point-based Fusion

最新推荐文章于 2024-09-26 17:17:11 发布

weixin_43844768

最新推荐文章于 2024-09-26 17:17:11 发布

阅读量1.4k

点赞数 1

本文链接：https://blog.csdn.net/weixin_43844768/article/details/103075607

版权

本文详细介绍了使用点基表示进行实时3D重建的方法，结合kinectfusion框架，重点讨论了数据融合策略，包括数据一致性检查、点的加权平均以及动态目标的识别和分割。通过点的半径信息来区分稳定点和不稳定点，并利用ICP失配点进行动态目标分割，实现对动态场景的高效重建。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Real-time 3D Reconstruction in Dynamic Scenes using Point-based Fusion

摘要
点表达
数据融合
动态估计

摘要

算法框架与kinectfusion一致，细节有变化：

用了point-based represention
data association方法
点的融合方法
模型点移除
动态目标估计
目标分割方法

代码¹

点表达

点不仅是位置信息，还有其他信息。这里半径用来做什么？
在这里插入图片描述
通过 $c_k$

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_43844768

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

论文笔记_S2D.46_2013-3DV_基于点融合的动态场景实时三维重建

惊鸿一博

11-12

814

基本情况题目：Real-time 3d reconstruction in dynamic scenes using point-based fusion 出处：Keller M, Lefloch D, Lambers M, et al. Real-time 3d reconstruction in dynamic scenes using point-based fusion[C]//2013 International Conference on 3D Vision-3DV 2013. IEEE,

KinectFusion: Real-time 3D Reconstruction and Interaction Using a Moving Depth Camera

跨越海的风的博客

05-15

1850

KinectFusion仅用Kinect的深度信息来追踪相机的3D姿态，实时重建室内场景的3D模型。本文详细描述了KinectFusion的功能和新提出的基于GPU的流水线。这个核心GPU流水线的扩展表明了能够在不降低相机追踪和重建的精确度的情况下，直接在相机前进行物体分割和用户交互。Kinect生成实时的实物场景的离散测量点深度图，这些测量值可以被投影到一系列离散3D点（点云）。Kinect的噪...

参与评论您还未登录，请先登录后发表或查看评论

Real-time 3D Reconstruction using Kinect

weixin_34272308的博客

09-14

224

http://jiakaizhang.com/project/real-time-3d-reconstruction/ Real-time 3D Reconstruction using Kinect Real-time 3D Reconstruction Jiakai Zhang, Prof. Davi GeigerNew York UniversityJuly 2012 – Sept...

Real Time 3D Reconstruction 实时三维重建

09-14

《CHISEL：Real Time Large Scale 3D Reconstruction Onboard a Mobile Device using Spatially-Hashed Signed Distance Fields》。使用TSDF与voxel hash进行三维重建，论文中有笔记，可以参考。

3D重建 “Real-time 3D Reconstruction at Scale using Voxel Hashing“

Setul

01-18

1502

Real-time 3D Reconstruction at Scale using Voxel Hashing是一篇比较经典的实时3D重建的论文，这里介绍一些看了本文后的一些理解。论文下载链接：https://graphics.stanford.edu/~niessner/papers/2013/4hashing/niessner2013hashing.pdf 论文的核心其实是采用了稀疏的哈希表来存储体素数据，从而减少了存储量和计算时间。体素Voxel的数据结构如下，其中sdf其实是TSDF，即截断带

浅析Voxel Hashing---Reference:Real-time 3D Reconstruction at Scale using Voxel Hashing

最新发布

CV_X.Wang的博客

09-26

1083

哈希表为什么能快速查找呢，我们举个例子，一个通俗的例子是，为了查找电话簿中某人的号码，可以创建一个按照人名首字母顺序排列的表(即建立人名到首字母F(x)的一个函数关系)，在首字母为W的表中查找“王”姓的电话号码，显然比直接査找就要快得多。而后迭代桶内所以的哈希条目，包括由于哈希桶溢出导致放到了其他位置的哈希条目，找到最后一个已经输入的哈希条目，在其后，将新的哈希条目插入。已经满时，我们顺着哈希表，寻找其他哈希桶中的空闲位置，如果找到，在该空闲位置插入该哈希条目，并在哈希桶。为了处理溢出情况，可以扩展。

《MonoRec：Semi-Supervised Dense Reconstruction in Dynamic Environments from a Single Moving Camera》

m_buddy的博客

01-19

3096

参考代码：MonoRec 1. 概述介绍：这篇提出了一种纯视觉的自监督深度估计算法，它结合现有实例分割、视觉里程计等视觉相关领域中相关技术，构造出这篇提出的MonoRec单目深度估计方法（在做训练的时候也采用了双目的图像作为输入）。在自监督单目深度估计网络中，一个很大的困难便是需要区分哪些像素相对相机参考系是存在运用的，这是文章引入实例分割方法得到的mask去引导并构建MaskModule去解决存在“运动”的目标。对于深度估计部分，这里是使用”运动“目标mask和由输入图片构建的cost volume去

论文《Real-time 3D Reconstruction at Scale using Voxel Hashing》阅读

shuang_yu_的博客

04-01

3188

隐式体积融合我们考虑隐式SDF（implicit signed distance field）方式存储物体的三维模型，即一个稠密体素网格（voxel grid），每个体素存储两个值：1带符号距离（表达了从体素中心到被观测表面的距离，正值代表体素位于表面的前方），2权值。物体的表面由体素的零值面隐式地表达。对于每个输入的深度图，我们扫描整个模型，保留视锥范围内（当前帧的视锥）的体素，并将体素映...

Real-Time 3D Road Scene Based on Virtual-Real Fusion Method

01-29

IEEE Sensors Journal期刊发表文章

【论文阅读】【点云处理】Point-based Continuous Convolution Networks

麒麒哈尔的博客

02-08

1411

文章目录RS-CNN 本博客是点云的深度学习方法综述博客的一部分，详细解释几篇Point-based Continuous Convolution Networks的方法。 RS-CNN 论文：Relation-Shape Convolutional Neural Network for Point Cloud Analysis 中科大出品，2019 CVPR 对于PointNet++了解的读者，...

Visual Odometry(视觉里程计)： StereoScan Dense 3d Reconstruction in Real-time

I AM BACK

01-15

5791

介绍系统概述 A特征匹配 Bego-motion估计 C立体匹配 D3D重建实验结果运行结果及代码介绍从多个二维图片中重建3D影像是机器视觉必不可少的部分，这篇论文【1】提出的就是做3D重建的工作。这篇论文提出了一种巧妙的实时的方法做3D地图重建——使用稀疏特征和视觉里程计相结合的方法。这种方法包含了立体匹配和创建点云。用这种方法计算出来的视觉里程计是当年11年最好的。该法可以每秒执行25f，

论文阅读笔记：StereoScan: Dense 3d Reconstruction in Real-time

SLAM学徒

06-07

1758

该论文主要讲了三部分内容：一、实时光流点的跟踪与匹配（几千个特征点）二、简单而鲁棒的视觉里程计算法二、通过视觉里程计得到的运动来进行稠密重建...

每天一篇论文 304/365DeepFusion: Real-Time Dense 3D Reconstruction for Monocular SLAM

流浪机器人的博客

12-31

842

DeepFusion: Real-Time Dense 3D Reconstruction for Monocular SLAM using Single-View Depth and Gradient Predictions 摘要稀疏单目同步定位与映射（SLAM）系统生成的基于关键点的地图对于摄像机跟踪是有用的，但是对于许多机器人任务，可能需要密集的三维重建。涉及深度相机的解决方案在范围和室内...

论文解读：基于深度相机的3D建模 2020最新综述

3D视觉工坊

12-30

4294

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨安如夏@知乎来源丨https://zhuanlan.zhihu.com/p/299489800编辑丨3D视觉工坊论文信息：Xu...

论文阅读：基于网格的高精度实时三维重建，ScalableFusion: High-resolution Mesh-based Real-time 3D Reconstruction

SoftwarerRJY的博客

05-24

4261

图1:三个苹果的网格结果(从图2中放大)。由于不依赖过多的重叠的surfels来实现一个紧密的表面模型，网格（mesh）重建可以更精确、更有效地描述表面。摘要： Dense 3D reconstructions generate globally consisent data of the environment suitable for many robot applications. Current RGB-D based reconstructions, however, only maint.