2021-01-05

学习内容：

open3D+Python+RGBD 室内场景三维重建

主要步骤：

该系统具有4个主要步骤：

步骤	程序
1	make_fragments 建立局部几何表面
2	register_fragments 全局配准
3	refine_registration 局部配准
4	integrate_scene 生成网格模型

详解：

第1步 ：

reconstruction_system_make_fragments

：建立局部几何表面（fragments）来自输入RGBD序列的短子序列，如每100 frames变为1 fragment ；3000 frames 有30 fragments。这部分使用

：ref：

/ tutorial / pipelines / rgbd_odometry.ipynb

，

：ref：

/ tutorial / pipelines / multiway_registration.ipynb

，

：ref：

/ tutorial / pipelines / rgbd_integration.ipynb

。

在RGBD图像上，使用OpenCV ORB 稀疏匹配，然后执行5点RANSAC估计粗略对齐；

使用姿势图进行多路配准，为了提高效率，仅使用关键帧，并用TSDF表示几何表面。

folder_fragment : fragments/

template_fragment_posegraph : fragments/fragment_%03d.json

template_fragment_posegraph_optimized : fragments/fragment_optimized_%03d.json

template_fragment_pointcloud : fragments/fragment_%03d.ply

第2步 ：

reconstruction_system_register_fragments

：这些 fragments是在全局空间中对齐,并进行闭环检测优化姿态。这部分使用

：ref：

/ tutorial / pipelines / global_registration.ipynb

，

：ref：

/ tutorial / pipelines / icp_registration.ipynb

，

：ref：

/ tutorial / pipelines / multiway_registration.ipynb

。

在点云上，相邻帧使用多尺度ICP; 否则使用FPFH+RANSAC或 FGR进行快粗配准.

folder_scene : scene/

template_global_posegraph : scene/global_registration.json

template_global_posegraph_optimized : scene/global_registration_optimized.json

第3步 ：

reconstruction_system_refine_registration

：局部更紧密地对齐。这部分使用

：ref：

/ tutorial / pipelines / icp_registration.ipynb

，

：ref：

/ tutorial / pipelines / multiway_registration.ipynb

。

在点云上，使用多尺度ICP再次细化

template_refined_posegraph : scene/refined_registration.json

template_refined_posegraph_optimized : scene/refined_registration_optimized.json

template_global_mesh : scene/integrated.ply

template_global_traj : scene/trajectory.log

步骤4 ：

reconstruction_system_integrate_scene

：集成RGB-D图像生成网格模型。这部分使用

： ref

/ tutorial / pipelines / rgbd_integration

。

在RGBD图像上，根据内参和外参,使用TSDF对RGBD图像融合．

参数：

Elapsed time (in hⓂ️s)

name : Redwood Dataset: http://redwood-data.org/indoor/dataset.html

path_dataset : RGBD/

path_intrinsic :

max_depth : 5.0

voxel_size : 0.05

max_depth_diff : 0.07

preference_loop_closure_odometry : 0.1

preference_loop_closure_registration : 5.0

tsdf_cubic_size : 4.0

icp_method : point_to_point

global_registration : ransac

python_multi_threading : True

depth_map_type : redwood

n_frames_per_fragment : 100

n_keyframes_per_n_frame : 5

min_depth : 0.3

depth_scale : 1000

• Making fragments 0:00:02.606030
• Register fragments 0:00:00.013032
• Refine registration 0:00:00.009904
• Integrate frames 0:00:00.574462
• Total 0:00:03.203429