[发明专利]一种同时定位与稠密三维重建方法

说明书

本发明公开了一种同时定位与稠密三维重建方法，该方法能够鲁棒的处理快速运动和频繁回路闭合，在较大规模的场景下可以无限时间运行。该方法除了可以用来扫描高质量的三维模型，还可以满足虚拟现实和增强现实的需求。该方法提出了一种基于关键帧的同时定位与地图构建的框架。首先，同时利用深度和颜色信息，基于关键帧的定位可以在CPU上高速运行，并且可以鲁棒地运行在具有挑战性的场景下。为减少累计误差，本发明引入了增量集束调整，可以极大的减少运算量，同时将局部和和全局集束调整在一个统一的框架下完成。其次，本发明提出了基于关键帧的一种融合方法，可以在线生成模型并在关键帧姿态调整时实时更新三维模型。

技术领域

本发明涉及一种可应用于增强现实、虚拟现实、机器人导航等领域的同时定位与稠密三维重建方法，尤其涉及一种同时定位与稠密三维重建方法。

背景技术

同时定位与地图构建(SimultaneouslyLocatingandMapping，SLAM)是机器人和计算机视觉领域的一个基本问题。在过去的几时年来，实时运动结构学(StructurefromMotion)和视觉SLAM有很多成功的应用。然而，视觉SLAM难以处理无纹理的场景，而且要做到实时稳定地恢复稠密三维结构也比较困难。使用深度传感器可以帮助解决这两个问题。随着深度传感器(如微软Kinect和英特尔RealSense 3D相机)的流行，大量基于RGB-D的SLAM方案得到提出。

大多数稠密的SLAM方法使用帧到帧或帧到模型的对准方法，这类方法很容易累计误差，在具有挑战性的场景下容易失败。一些方法提出使用非刚性网格变形优化模型，减小累积误差。然而由于不精确的对准导致的模型误差无法得到消除，并且会进一步增大对准误差。

最近，BundleFusion[A.Dai,M.Nieβner,M.S.Izadi,andC.Theobalt.BundleFusion:Real-time globally consistent 3d reconstruction usingonline surface re-integration.arXiv preprint arXiv:1604.01093,2016.]提出了端到端的实时重建系统。BundleFusion使用所有的RGB-D输入数据，层次化的优化所有的相机姿态和三维模型。不同于前面的帧到模型的对准方法，BundleFusion采用每一帧和所有帧的暴力匹配求解相机姿态。为此，BundleFusion使用两颗强GPU(NVIDIA GeForce GTXTitan X和GTX Titan Black)以达到实时运行。同时，它保存所有的输入数据，有极大的内存消耗从而限制了其运行场景大小和运行时间。