Advertisement

阅读笔记:Real-time 3D Reconstruction in Dynamic Scenes using Point-based Fusion

阅读量:

Real-time 3D Reconstruction in Dynamic Scenes using Point-based Fusion

  • 摘要

  • 点表达

  • 数据融合

    • 数据一致性
    • 点的加权平均
    • 移除点
  • 动态估计

摘要

算法框架与kinectfusion一致,细节有变化:

  • 用了point-based represention
  • data association方法
  • 点的融合方法
  • 模型点移除
  • 动态目标估计
  • 目标分割方法

代码1

点表达

点不仅是位置信息,还有其他信息。这里半径用来做什么?
在这里插入图片描述
通过c_k标识stable point 和 unstable point。

数据融合

数据一致性

根据下面准则筛选一致性点
在这里插入图片描述

点的加权平均

类似于kinectfusion中的方法
这里用到了一个假设:越接近光心精度越高,不确定度越小。用\alpha来度量。
在这里插入图片描述
\gamma到相机中心的距离。\sigma=0.6经验值。
在这里插入图片描述
能够有更好的去噪效果。

移除点

在这里插入图片描述

动态估计

用到了ICP的失配点,用失配点做种子,对场景进行分割,分割出动态目标,单独融合。
分割方法比较简单,顶点和法线在阈值内,算对象点。


  1. https://github.com/victorprad/InfiniTAM ↩︎

全部评论 (0)

还没有任何评论哟~