进行稀疏重建_基于RGB-D相机的三维重建总览 包括静态与动态三维重建...

自接触三维重建以来，一直为fusion类的三维重建所惊艳，同时心头一直盘旋着写个合集的想法，直至自己亲身实践一番后，终于可以了却心愿。故先写个总览作为备忘，也可给各位看客提供按图索骥的便利。后续还会写具体文章的分析，分享下对相关论文的理解。

基于fusion类的三维重建其实可以大体分为两种，一种是对于静态场景的三维重建，以KinectFusion为典型代表，一种是对于动态场景的三维重建，以DynamicFusion为典型代表。而不论是静态场景亦或是动态场景的fusion类重建，最大特点就是使用了TSDF模型，当然也有个别工作使用了面元（Surfel）的表示方法。值得一提的是，基于动态场景的三位重建的难度远大于基于静态场景的三位重建，当然，对于拓扑不会发生变化的重建（比如驱动一个模板mesh）,难度会下降很多。下面分别介绍下代表性工作。

基于静态场景的三维重建

1.KinectFusion

Newcombe的经典之作

paper:

https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/ismar2011.pdf​www.microsoft.com

code:

https://github.com/ParikaGoel/KinectFusion​github.com

demo:

知乎视频​www.zhihu.com

2.Kintinuous

上述 KinectFusion 算法使用固定体积的网格模型（如256*256*256）表示重建的三维场景，从而使得只能重建固定大小的场景；另外当重建体积较大，或者网格的空间分辨率较高时很消耗显存。而且 KinectFusion 算法没有回环检测和回环优化，这也造成当相机移动距离大时，不可避免的会有累积误差。这个算法是比较完善的三维重建系统，融合了回环检测和回环优化，还在实时三维刚体重建中使用了deformation graph做非刚体变换，根据回环优化的结果，更新点的坐标，使得回环的地方两次重建的可以对齐。该算法适合大场景的三维重建。

paper:

http://www.thomaswhelan.ie/Whelan12rssw.pdf​www.thomaswhelan.ie

code：

mp3