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 v_i vi(voxel),一个voxel中包含SDF值 s d f ( i ) sdf(i) sdf(i)与权重 w w w,其中 s d f ( i ) sdf(i) 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 v_i vi中的 s d f ( i ) sdf(i) sdf(i)与 w w 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 ∗ M ∗ S N*M*S N∗M∗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}