TSDF学习

前言

最近，对TSDF相关的论文(Kinect-Fusion, Voxel-Hashing, Bundle-Fusion)进行了大致的理解和阅读，这里总结一下其中用到的主要算法TSDF,(Truncated Signed Distance Functions)

1.TSDF原理及流程

在Kinect-Fusion论文中有详细讲解，TSDF的原理非常简单，将整个建模空间视为一个长方体(volume)，并将长方体等值的分为若干体素$v_i$(voxel)，一个voxel中包含SDF值$sdf(i)$与权重$w$，其中$sdf(i)$可简单理解为当前体素到最近表面的距离，权重则表示为置信度。迭代$v_i$中的$sdf(i)$与$w$。其伪代码如下图，这里我们详细记录单步的执行操作的：

1.准备阶段：
生成重建环境需要大小的体volume，其中包含$N\ast M\ast S$个体素voxel，设置voxel大小（volume体积限制情况下，voxel越小则重建效果越好）。获得每个voxel在世界坐标系下的位置 p w p_{w}