三维重建综述及最新进展

最新推荐文章于 2024-07-08 15:12:45 发布

臭feifei

最新推荐文章于 2024-07-08 15:12:45 发布

阅读量7.9k

点赞数 11

分类专栏：三维重建MVS 文章标签：计算机视觉深度学习

本文链接：https://blog.csdn.net/yuq720/article/details/111598069

版权

本文概述了三维重建在计算机视觉领域的应用，包括基于深度相机的传统方法，如KinectFusion和BundleFusion，以及基于图像的MVS重建技术，如COLMAP和OpenMVS。此外，还探讨了基于学习的方法，特别是单帧人体和物体重建，以及深度学习在双目和多视重建中的应用，如GCNet、PSMNet和DeepPruner。

摘要由CSDN通过智能技术生成

三维重建综述

总概览图如下图所示：
三维重建一直是计算机视觉领域比较热门的研究方向。目前三维重建已经广泛应用于自动驾驶，机器人，AR，工业制造等各个领域。

传统方法

基于深度相机（RGBD）三维重建
随着各种面向普通消费者的深度相机（depth camera）的出现，基于深度相机的三维扫描和重建技术得到了飞速发展。以微软的Kinect，华硕的XTion以及英特尔的RealSense等为代表的深度相机造价低廉，体积适当，操作方便，并且易于研究者和工程师进行开发。
- 深度相机主要分为结构光和TOF，目前比较主流的就是TOF相机。以Kinect为例Kinect v1是采用结构光方案，Kinect v2采用TOF方案。
- 最经典的RGBD重建算法即为帝国理工的Newcombe等人在2011年提出的KinectFusion。之后又出现了 Kintinuous，ElasticFusion，ElasticReconstruction，DynamicFusion，InfiniTAM，BundleFusion，Real-time Indoor Scene Reconstruction with RGBD and Inertia input(基于IMU代码未开源，仅开源数据集)等非常优秀的工作。有一篇综述对各个算法详细介绍：http://www.zollhoefer.com/papers/EG18_RecoSTAR/paper.pdf