IMU松耦合的KinectFusion算法改进

针对KinectFusion算法中采用frame-to-model ICP进行位姿估计时经常发生位姿丢失的问题,提出了使用惯性测量传感器IMU进行松耦合的算法改进.通过使用IMU采集到位移数据结合ICP算法实现位姿估计,意图在快速移动或者采集的图像数据缺少有效配准点的情况下保证相机跟踪不丢失,增强KinectFusion算法的整体鲁棒性.通过实验,将提出的算法与原有的算法进行比较,结果表明这里算法在没有明显降低实时性的情况下,其鲁棒性上优于原有算法,可以满足移动机器人的实时SLAM需求.

基于KinectFusion的室内场景平面结构重建

基于Kinect Fusion的在线扫描与重建技术极大改进了基于消费级深度摄像机的实时室内场景重建。由于目前多数深度摄像机的深度分辨率的限制,使用Kinect Fusion扫描获得的三维模型数据的重建质量不能满足要求。特别是对室内场景模型中常见的平面结构。这些平面结构往往可以确定室内环境的主要结构。以基于Kinect Fusion扫描获得室内场景点云数据为基础,提出了一种新的点云分割方法。该方法可准确识别和提取点云数据中的平面结构,并对其进行三维重建。

一种改进的KinectFusion三维重构算法

对KinectFusion算法进行了两个方面的改进,一方面提出使用环境中的边线特征点匹配来提高其定位鲁棒性,另一方面在点云模型中预设一个地面点云来降低累积误差提高精度.在一个RGB-D(颜色-深度)SLAM验证数据集以及一个实验室的场景数据上进行了建模对比实验,结果显示,改进后的算法在鲁棒性和精度上均有明显提高,在建立一个尺度为6m×3m×3m的环境时建模误差由4.5%降低为1.5%.虽然算法运行的效率有所下降但仍保持较高实时性,对建模时的用户体验没有明显影响.

基于多Kinect的三维人体重建系统

结合KinectFusion技术,设计并实现了一种基于多台Kinect的三维人体重建系统.该系统使用两台Kinect分别采集人体上下两部分的点云数据,通过标定得到两台Kinect的姿态关系,并基于标定结果,使用迭代最近点(ICP)算法对两部分点云进行配准得到完整的人体三维模型.试验表明,系统设备成本低、部署简单,能快速并较高精度地获取人体三维点云.

基于Kinect及双目机器视觉原理的物体3维建模系统

进行实物3D打印,需要生成其三维模型。人工设计模型效率低下,有些特殊工件很难设计出来,精度也打不到要求;3D激光扫描仪不但成本高,而且效率低。文中针对这两种情况利用kinect基于双目机器视觉原理及KInect开发包提供的Kinect Fusion开源库研发3D模型自动获取系统。通过一台Kinect设备的红外摄像头在不同位置获取深度数据,然后通过对在不同摄像头位姿获取的数据进行特征匹配,表面拼接,生成点云信息,从而构建物体三维模型。