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