对室内场景进行实时高质量的三维重建是机器人、增强现实等领域关注的重点。目前基于RGB-D传感器的三维重建方法存在局部模型重建效果差、点云模型包含孔洞等问题。而影响三维模型重建效果的主要因素有两个,一是由点云配准解算出的位姿...对室内场景进行实时高质量的三维重建是机器人、增强现实等领域关注的重点。目前基于RGB-D传感器的三维重建方法存在局部模型重建效果差、点云模型包含孔洞等问题。而影响三维模型重建效果的主要因素有两个,一是由点云配准解算出的位姿参数精度,二是闭环检测准确程度。对此,在保证算法实时性的基础上,通过改进迭代最近点算法(iterative closest point algorithm,ICP)中匹配点的选取策略,提升模型重建效果。并利用径向基函数构建隐式曲面的方式对点云模型中的孔洞进行事后修补。选用ICL-NUIM等公开数据集进行实验验证,结果表明,改进后的算法在模型重建效果以及相机轨迹估计方面均有显著提升。展开更多
文摘对室内场景进行实时高质量的三维重建是机器人、增强现实等领域关注的重点。目前基于RGB-D传感器的三维重建方法存在局部模型重建效果差、点云模型包含孔洞等问题。而影响三维模型重建效果的主要因素有两个,一是由点云配准解算出的位姿参数精度,二是闭环检测准确程度。对此,在保证算法实时性的基础上,通过改进迭代最近点算法(iterative closest point algorithm,ICP)中匹配点的选取策略,提升模型重建效果。并利用径向基函数构建隐式曲面的方式对点云模型中的孔洞进行事后修补。选用ICL-NUIM等公开数据集进行实验验证,结果表明,改进后的算法在模型重建效果以及相机轨迹估计方面均有显著提升。
