阅读笔记:Real-time 3D Reconstruction in Dynamic Scenes using Point-based Fusion
 发布时间 
 阅读量: 
 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?

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

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。

\gamma到相机中心的距离。\sigma=0.6经验值。

能够有更好的去噪效果。
移除点

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。
全部评论 (0)
 还没有任何评论哟~ 
