tsdf fusion

多個深度圖的體積 TSDF 融合

更新：可以在此處找到此程式碼的 Python 版本，同時支援 CPU/GPU。

CUDA/C++ 程式碼可將多個註冊深度圖整合到投影截斷符號距離函數 (TSDF) 體素體積中，然後可用於建立高品質的 3D 表面網格和點雲。在 Ubuntu 14.04 和 16.04 上測試。

正在尋找舊版本？請參閱此處。

變更日誌

• 2017 年 11 月 1 日tsdf2mesh.m
• 2017 年 10 月 30 日SaveVoxelGrid2SurfacePointCloud
• 2017 年 8 月 30 日。

要求

• 支援 CUDA 的 NVIDA GPU
• OpenCV（使用 OpenCV 2.4.11 測試）

示範

此示範將目錄data/rgbd-frames中的 50 個註冊深度圖整合到投影 TSDF 體素體積中，並建立​​ 3D 表面點雲tsdf.ply ，可以使用 Meshlab 等 3D 檢視器進行視覺化。

注意：輸入深度圖應以以下格式儲存：16 位元 PNG，深度以毫米為單位。

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

[可選] 此示範也將計算的體素體積儲存到二進位檔案tsdf.bin中。在 Matlab 中執行以下腳本來建立 3D 表面網格mesh.ply ，可以使用 Meshlab 進行視覺化。

 tsdf2mesh ; % 3D mesh saved to mesh.ply 

見於

• 3DMatch：從 RGB-D 重建中學習局部幾何描述符 (CVPR 2017)
• 單深度影像的語意場景補全 (CVPR 2017)
• RGB-D 影像中用於 Amodal 3D 物件偵測的深度滑動形狀 (CVPR 2016)

參考

• 從範圍影像建立複雜模型的體積方法 (SIGGRAPH 1996)
• KinectFusion：即時密集表面測繪與追蹤 (ISMAR 2011)
• 用於 RGB-D 影像中相機重定位的場景座標回歸森林 (CVPR 2013)

引用

該存儲庫是 3DMatch Toolbox 的一部分。如果您發現此程式碼對您的工作有用，請考慮引用：

 @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} 
}