tsdf fusion

دمج TSDF الحجمي لخرائط العمق المتعددة

التحديث : يمكن العثور هنا على نسخة بايثون من هذا الرمز مع دعم وحدة المعالجة المركزية/وحدة معالجة الرسومات.

كود CUDA/C++ لدمج العديد من خرائط العمق المسجلة في حجم فوكسل لوظيفة المسافة الموقعة المقطوعة (TSDF)، والتي يمكن استخدامها بعد ذلك لإنشاء شبكات سطحية ثلاثية الأبعاد عالية الجودة وسحب نقطية. تم الاختبار على Ubuntu 14.04 و16.04.

هل تبحث عن نسخة أقدم؟ انظر هنا.

تغيير السجل

• 1 نوفمبر 2017. إصلاح الأخطاء: يقوم tsdf2mesh.m الآن بإنشاء شبكة بشكل صحيح في إحداثيات الكاميرا بدلاً من إحداثيات فوكسل.
• 30 أكتوبر 2017. إشعار: تم تغيير حد الوزن الافتراضي لـ SaveVoxelGrid2SurfacePointCloud في التعليمات البرمجية التجريبية لتمكين إنشاء تصورات سحابة نقطية بإطار عمق واحد فقط.
• 30 أغسطس 2017. إصلاح الأخطاء: إزالة الإزاحات المهملة من حساب المسافة السطحية أثناء التكامل.

متطلبات

• NVIDA GPU مع دعم CUDA
• OpenCV (تم اختباره باستخدام OpenCV 2.4.11)

تجريبي

يدمج هذا العرض التوضيحي 50 خريطة عمق مسجلة من data/rgbd-frames في حجم فوكسل TSDF إسقاطي، وينشئ سحابة نقطة سطحية ثلاثية الأبعاد tsdf.ply ، والتي يمكن تصورها باستخدام عارض ثلاثي الأبعاد مثل Meshlab.

ملحوظة : يجب حفظ خرائط عمق الإدخال بالتنسيق: 16 بت PNG، العمق بالملليمتر.

./compile.sh # compiles demo executable
./demo # 3D point cloud saved to tsdf.ply and voxel grid saved to tsdf.bin

[اختياري] يحفظ هذا العرض التوضيحي أيضًا حجم وحدة فوكسل المحسوبة في ملف ثنائي tsdf.bin . قم بتشغيل البرنامج النصي التالي في Matlab لإنشاء mesh.ply سطحية ثلاثية الأبعاد، والتي يمكن تصورها باستخدام Meshlab.

 tsdf2mesh ; % 3D mesh saved to mesh.ply 

شوهد في

• 3DMatch: تعلم الواصفات الهندسية المحلية من عمليات إعادة بناء RGB-D (CVPR 2017)
• إكمال المشهد الدلالي من صورة ذات عمق واحد (CVPR 2017)
• أشكال انزلاقية عميقة لاكتشاف الكائنات Amodal ثلاثي الأبعاد في صور RGB-D (CVPR 2016)

مراجع

• الطريقة الحجمية لبناء نماذج معقدة من صور المدى (SIGGRAPH 1996)
• KinectFusion: رسم خرائط وتتبع الأسطح الكثيفة في الوقت الفعلي (ISMAR 2011)
• غابات الانحدار لإحداثيات المشهد لإعادة تحديد موضع الكاميرا في صور RGB-D (CVPR 2013)

نقلا عن

يعد هذا المستودع جزءًا من 3DMatch Toolbox. إذا وجدت هذا الكود مفيدًا في عملك، فيرجى مراعاة الاستشهاد بما يلي:

 @inproceedings{zeng20163dmatch, 
    title={3DMatch: Learning Local Geometric Descriptors from RGB-D Reconstructions}, 
    author={Zeng, Andy and Song, Shuran and Nie{ss}ner, Matthias and Fisher, Matthew and Xiao, Jianxiong and Funkhouser, Thomas}, 
    booktitle={CVPR}, 
    year={2017} 
}