Open3d学习计划——高级篇 5(RGBD融合,RGBD integration)
Open3d学习计划——高级篇 5(RGBD融合)
(ps:感觉这章名字应该叫通过RGBD数据生成网格,关于这章的内容建议大家去百度搜一下关于TSDF算法的博客,或者直接看下面给出的参考论文,有助于大家理解)
Open3d实现了一种可扩展的RGBD图像融合算法。这个算法基于[Curless1996] 和[Newcombe2011] 提出的技术。为了支持大尺度的场景,我们使用了Integrater in ElasticReconstruction.中介绍的分层哈希结构。
从 .log 文件中读取轨迹
该教程使用函数 read_trajectory
从 .log 文件中读取相机轨迹。一个示例 .log文件如下:
# examples/TestData/RGBD/odometry.log
0 0 1
1 0 0 2
0 1 0 2
0 0 1 -0.3
0 0 0 1
1 1 2
0.999988 3.08668e-005 0.0049181 1.99962
-8.84184e-005 0.999932 0.0117022 1.97704
-0.0049174 -0.0117024 0.999919 -0.300486
0 0 0 1
class CameraPose:
def __init__(self, meta, mat):
self.metadata = meta
self.pose = mat
def __str__(self):
return 'Metadata : ' + ' '.join(map(str, self.metadata)) + '\n' + \
"Pose : " + "\n" + np.array_str(self.pose)
def read_trajectory(filename):
traj = []
with open(filename, 'r') as f:
metastr = f.readline()
while metastr:
metadata = list(map(int, metastr.split()))
mat = np.zeros(shape=(4, 4))
for i in range(4):
matstr = f.readline()
mat[i, :] = np.fromstring(matstr, dtype=float, sep=' \t')
traj.append(CameraPose(metadata, mat))
metastr = f.readline()
return traj
camera_poses = read_trajectory("../../TestData/RGBD/odometry.log")
TSDF空间融合(TSDF volume integration)
Open3d提供了两种类型的TSDF空间:UniformTSDFVolume
和ScalableTSDFVolume
。推荐使用后一种的原因是因为使用了多层结构支持大尺度场景.ScalableTSDFVolume
有几个参数。voxel_length = 4.0 / 512.0
表示TSDF空间中单个体素尺度是
4.0
m
512.0
=
7.8125
m
m
\frac{4.0m}{512.0} = 7.8125mm
512.04.0m=7.8125mm。减小这个值会得到高分辨率的TSDF空间,但是整合结果容易受到深度噪声的影响。sdf_trunc = 0.04
指定符号距离函数(signed distance function ,SDF)的截断值。当 color_type = TSDFVolumeColorType.RGB8
时,8位的RGB颜色也被整合作为TSDF空间的一部分。浮点类型强度也能够通过color_type = TSDFVolumeColorType.Gray32
和convert_rgb_to_intensity = True
被整合在一起.颜色整合的灵感来自PCL.
volume = o3d.integration.ScalableTSDFVolume(
voxel_length=4.0 / 512.0,
sdf_trunc=0.04,
color_type=o3d.integration.TSDFVolumeColorType.RGB8)
for i in range(len(camera_poses)):
print("Integrate {:d}-th image into the volume.".format(i))
color = o3d.io.read_image(
"../../TestData/RGBD/color/{:05d}.jpg".format(i))
depth = o3d.io.read_image(
"../../TestData/RGBD/depth/{:05d}.png".format(i))
rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)
volume.integrate(
rgbd,
o3d.camera.PinholeCameraIntrinsic(
o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault),
np.linalg.inv(camera_poses[i].pose))
Integrate 0-th image into the volume.
Integrate 1-th image into the volume.
Integrate 2-th image into the volume.
Integrate 3-th image into the volume.
Integrate 4-th image into the volume.
抽取网格
使用 [LorensenAndCline1987]中提出的marching cubes 算法进行网格绘制.
print("Extract a triangle mesh from the volume and visualize it.")
mesh = volume.extract_triangle_mesh()
mesh.compute_vertex_normals()
o3d.visualization.draw_geometries([mesh], front=[0.5297, -0.1873, -0.8272],
lookat=[2.0712, 2.0312, 1.7251],
up=[-0.0558, -0.9809, 0.1864], zoom=0.47)
Extract a triangle mesh from the volume and visualize it.
Note:
TSDF空间就像3D空间中的加权平均过滤器.如果有更多的帧被整合,那么空间就会产生更加平滑的网格.请去 Make fragments 中查看更多的例子.
关于翻译大家有更好的意见欢迎评论一起学习!!!
欢迎大家关注“点云PCL”公众号,进入群聊一起学习。
上一篇: nginx(四)--负载均衡