tsdf fusion

多个深度图的体积 TSDF 融合

更新：可以在此处找到此代码的 Python 版本，同时支持 CPU/GPU。

CUDA/C++ 代码可将多个注册深度图融合到投影截断符号距离函数 (TSDF) 体素体积中，然后可用于创建高质量的 3D 表面网格和点云。在 Ubuntu 14.04 和 16.04 上测试。

正在寻找旧版本？请参阅此处。

变更日志

• 2017 年 11 月 1 日。错误修复： tsdf2mesh.m现在可以在相机坐标而不是体素坐标中正确生成网格。
• 2017 年 10 月 30 日。注意：更改了演示代码中SaveVoxelGrid2SurfacePointCloud的默认权重阈值，以允许仅使用一个深度帧创建点云可视化。
• 2017 年 8 月 30 日。错误修复：在集成过程中从表面距离计算中删除已弃用的偏移。

要求

• 支持 CUDA 的 NVIDA GPU
• OpenCV（使用 OpenCV 2.4.11 测试）

演示

该演示将目录data/rgbd-frames中的 50 个注册深度图融合到投影 TSDF 体素体积中，并创建 3D 表面点云tsdf.ply ，可以使用 Meshlab 等 3D 查看器进行可视化。

注意：输入深度图应以以下格式保存：16 位 PNG，深度以毫米为单位。

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

[可选] 此演示还将计算的体素体积保存到二进制文件tsdf.bin中。在 Matlab 中运行以下脚本来创建 3D 表面网格mesh.ply ，可以使用 Meshlab 对其进行可视化。

 tsdf2mesh ; % 3D mesh saved to mesh.ply 

见于

• 3DMatch：从 RGB-D 重建中学习局部几何描述符 (CVPR 2017)
• 单深度图像的语义场景补全 (CVPR 2017)
• RGB-D 图像中用于 Amodal 3D 物体检测的深度滑动形状 (CVPR 2016)

参考

• 从范围图像构建复杂模型的体积方法 (SIGGRAPH 1996)
• KinectFusion：实时密集表面测绘和跟踪 (ISMAR 2011)
• 用于 RGB-D 图像中相机重定位的场景坐标回归森林 (CVPR 2013)

引用

该存储库是 3DMatch Toolbox 的一部分。如果您发现此代码对您的工作有用，请考虑引用：

 @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} 
}