陀螺儀在基于Hash結(jié)構(gòu)的三維重建中的應(yīng)用.pdf

1、本文基于PrimeSense1.09深度相機(jī)研究室內(nèi)場(chǎng)景的3D重建問(wèn)題，對(duì)廣泛研究和使用的傳統(tǒng)KinectFusion算法存在的缺陷進(jìn)行改進(jìn)。
　　研究了針對(duì)傳統(tǒng)KinectFusion算法使用密集體積來(lái)存儲(chǔ)3D場(chǎng)景信息，由于內(nèi)存容量等的限制使得KinectFusion只能用于小場(chǎng)景物體的重建的不足，借鑒使用Hash結(jié)構(gòu)的方法來(lái)解決內(nèi)存空間限制這一問(wèn)題。本文使用Hash結(jié)構(gòu)，允許進(jìn)行實(shí)時(shí)訪問(wèn)和隱面數(shù)據(jù)的更新，并且不需要定型或分層網(wǎng)

2、格數(shù)據(jù)結(jié)構(gòu)。而且，數(shù)據(jù)可以高效地進(jìn)出Hash表，實(shí)現(xiàn)GPU和CPU數(shù)據(jù)交換，彌補(bǔ)空間不足的缺陷，這就為傳感器運(yùn)動(dòng)時(shí)存儲(chǔ)空間的可伸縮性提供了方便，并能夠?qū)⑿碌膱?chǎng)景信息不斷拼接到已有的場(chǎng)景模型中，最終實(shí)現(xiàn)大范圍場(chǎng)景信息的3D重建。
　　研究了針對(duì)KinectFusion算法在位姿估計(jì)過(guò)程中使用點(diǎn)-面的最近點(diǎn)迭代(ICP)算法，由于其對(duì)初值敏感，且易陷入局部最小，在使用ICP算法進(jìn)行匹配和跟蹤定位時(shí)存在累積誤差，導(dǎo)致相機(jī)突然運(yùn)動(dòng)時(shí)不能有

3、效跟蹤，在基于Hash結(jié)構(gòu)的KinectFusion算法的基礎(chǔ)上，提出一種結(jié)合陀螺儀進(jìn)行擴(kuò)展卡爾曼濾波器(EKF)數(shù)據(jù)融合的方法。使用一種型號(hào)為L(zhǎng)PMS-CU(OEM)的陀螺儀傳感器測(cè)量得到的相機(jī)位姿，與通過(guò)ICP算法計(jì)算得到的深度相機(jī)的位姿，使用EKF進(jìn)行數(shù)據(jù)融合得到更加精確的位姿，并在相機(jī)突然運(yùn)動(dòng)時(shí)仍然能夠?qū)崿F(xiàn)有效跟蹤，提高了算法的魯棒性。
　　實(shí)驗(yàn)結(jié)果表明，本文所采用的改進(jìn)算法能在一定程度上解決KinectFusion算法存