传统的三维重建技术在面对移动物体干扰时难以有效完成场景重建任务。针对该问题,本文提出一种基于SLAM(Simultaneous Localization and Mapping)、TSDF(Truncated Signed Distance Function)和SCNet(Sample Consistency Networks)实例...传统的三维重建技术在面对移动物体干扰时难以有效完成场景重建任务。针对该问题,本文提出一种基于SLAM(Simultaneous Localization and Mapping)、TSDF(Truncated Signed Distance Function)和SCNet(Sample Consistency Networks)实例分割网络的三维重建方法ORBTSDF-SCNet。该方法采用深度相机或双目相机获取重建物体及场景的深度图与RGB图,且基于ORB_SLAM2实时获取位姿信息;采用基于结构化点云数据的表面重建算法TSDF与深度图相结合,实现在线三维模型重建;为了消除场景中移动物体对场景三维重建的干扰,提出采用SCNet实例分割网络检测和分割移动物体,并结合优化策略减小检测和实例分割误差以及深度图和RGB图对准误差。通过抠除移动物体,保证了重建场景的完整性。在ICL-NUIM、TUM数据集上的实验表明了本文所提方法的有效性。展开更多
文摘传统的三维重建技术在面对移动物体干扰时难以有效完成场景重建任务。针对该问题,本文提出一种基于SLAM(Simultaneous Localization and Mapping)、TSDF(Truncated Signed Distance Function)和SCNet(Sample Consistency Networks)实例分割网络的三维重建方法ORBTSDF-SCNet。该方法采用深度相机或双目相机获取重建物体及场景的深度图与RGB图,且基于ORB_SLAM2实时获取位姿信息;采用基于结构化点云数据的表面重建算法TSDF与深度图相结合,实现在线三维模型重建;为了消除场景中移动物体对场景三维重建的干扰,提出采用SCNet实例分割网络检测和分割移动物体,并结合优化策略减小检测和实例分割误差以及深度图和RGB图对准误差。通过抠除移动物体,保证了重建场景的完整性。在ICL-NUIM、TUM数据集上的实验表明了本文所提方法的有效性。
