KinectFusion三維重建的再優(yōu)化.pdf

1、Kinect是微軟公司出品的一款可以獲取鏡頭深度的相機設備，主要應用于體感游戲，但其較高的分辨率以及幀率使得它在三維場景重建等圖形學方面也有了重要的用武之地。特別是在2011年Newcombe R A等人的KinectFusion[3]一文發(fā)表之后，各種基于Kinect的新應用層出不窮。
　　KinectFusion的主要思想是在顯存空間中構建一個虛擬的立方體（Volume），并將它平均切分為N*N*N的小格點(Voxel)，每個

2、網(wǎng)格保存它到最近的一個物體表面的距離(TSDF)和它的權重(Weight)，那么所有距離為0權重不為0的格點就是處在物體表面的格點，最后通過零等值面抽取，利用MarchingCube[4]算法即可重建出三維物體的表面。
　　從KinectFusion的實現(xiàn)方式上可以看到，它重建出來的物體表面其實是小格點的包絡面，是被體網(wǎng)格離散化了的，所以最終結果丟失了設備原有的精度，重建的最高精度取決于體網(wǎng)格的大小。然而體網(wǎng)格如果取很小（N很大）

3、就要求至少4G以上的顯存，這在目前的計算機技術下無法實現(xiàn)。本文在KinectFusion的基礎上，提出了一套保留設備精度的、可應用于大場景離線三維物體重建的流程，并實現(xiàn)了一套全局優(yōu)化算法。首先利用KinectFusion的一個變種Kintinuous[5]來做大場景的跟蹤，以獲取相機的大致位置信息，同時從深度設備（假想一種高精度的深度設備，本文中以Kinect代替）中導出原始深度圖;然后從深度圖中恢復點云和法向信息，并利用上一步的相機位