价格:面议
武汉大势智慧科技有限公司
联系人:吴先生
电话:15071485358
地址:湖北省武汉市江夏区光谷大道77号金融港B2栋4层
利用相机进行三维重建已经不是一个新鲜的话题,重建的三维环境用途很广泛,三维实景建模,
比如检测识别目标,作为深度学习的输入,视觉SLAM。
目前,比较流行的是单、双目的重建。
稀疏重建:
通常是重建一些图像特征点的深度,这个在基于特征的视觉SLAM里比较常见,得到的特征点的深度可以用来计算相机位姿。稀疏重建在实际应用,比如检测,避障,不能满足需求。
精细配准是一种更深层次的配准方法。经过前一步粗配准,得到了变换估计值。将此值作为初始值,在经过不断收敛与迭代的精细配准后,达到更加准确的效果。以经典的ICP算法为例,该算法首先计算初始点云上所有点与目标点云的距离,保证这些点和目标点云的zui近点相互对应,同时构造残差平方和的目标函数。ICP算法能够获得精正确无误的配准结果,实景建模软件,对自由形态曲面配准问题具有重要意义。另外还有如SAA(Simulate Anneal Arithmetic,模拟退火)算法、GA(Genetic Algorithm,实景三维建模报价,遗传)算法等也有各自的特点与使用范畴。
经过配准后的深度信息仍为空间中散乱无序的点云数据,实景建模,仅能展现景物的部分信息。因此必须对点云数据进行融合处理,以获得更加精细的重建模型。以Kinect传感器的初始位置为原点构造体积网格,网格把点云空间分割成很多的细小立方体,这种立方体叫做体素(Voxel)。通过为所有体素赋予SDF(Signed Distance Field,有效距离场)值,来隐式的模拟表面。