cv::kinfu::KinFu 类参考

KinectFusion 实现。 更多...

#include <opencv2/rgbd/kinfu.hpp>

cv::kinfu::KinFu 的协作图

公共成员函数
virtual	~KinFu ()
virtual void	getCloud (OutputArray points, OutputArray normals) const =0
	获取当前 3D 网格的点和法线。
virtual void	getNormals (InputArray points, OutputArray normals) const =0
	计算给定点的法线。
virtual const Params &	getParams () const =0
	获取当前参数。
virtual void	getPoints (OutputArray points) const =0
	获取当前 3D 网格的点。
virtual Affine3f	getPose () const =0
	获取当前在体素空间中的姿态。
virtual void	render (OutputArray image) const =0
	将体素渲染到图像中。
virtual void	render (OutputArray image, const Matx44f &cameraPose) const =0
	将体素渲染到图像中。
virtual void	reset ()=0
	重置算法。
virtual bool	update (InputArray depth)=0
	处理下一帧深度图像。

静态公共成员函数
static Ptr< KinFu >	create (const Ptr< Params > &_params)

详细说明

KinectFusion 实现。

此类实现了一种 3D 重建算法，如 [134] 论文中所述。

它接收从深度传感器 (或任何深度图像来源，如立体相机匹配算法甚至光线追踪渲染器) 获取的一系列深度图像。输出可以作为点的向量及其法线获得，也可以从给定的相机姿态进行 Phong 渲染。

模型的内部表示是一个体素长方体，它保存 TSDF 值，这些值是到表面的距离的一种形式 (有关详细信息，请阅读关于 TSDF 的 [134] 文章)。目前还没有针对此表示的接口。

KinFu 在可用时会自动使用 OpenCL 加速。要明确启用或禁用它，请使用 cv::setUseOptimized() 或 cv::ocl::setUseOpenCL()。

此实现基于 kinfu-remake。

请注意，KinectFusion 算法已获得专利，其使用可能受本模块目录中 README.md 文件中提到的专利列表的限制。

因此，您需要在 CMake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用 KinectFusion。

构造函数和析构函数文档

~KinFu()

virtual cv::kinfu::KinFu::~KinFu ( )

virtual

成员函数文档

create()

static Ptr< KinFu > cv::kinfu::KinFu::create ( const Ptr< Params > &  _params )

static

Python
	cv.kinfu.KinFu.create(	_params	) ->	retval
	cv.kinfu.KinFu_create(	_params	) ->	retval

getCloud()

virtual void cv::kinfu::KinFu::getCloud ( OutputArray  points, OutputArray  normals  ) const

纯虚函数

Python
	cv.kinfu.KinFu.getCloud(	[, points[, normals]]	) ->	points, normals

获取当前 3D 网格的点和法线。

法线的顺序与点的顺序对应。点的顺序是未定义的。

参数

points	点的向量，这些点是 4 个浮点数向量
normals	法线的向量，这些法线是 4 个浮点数向量

getNormals()

virtual void cv::kinfu::KinFu::getNormals ( InputArray  points, OutputArray  normals  ) const

纯虚函数

Python
	cv.kinfu.KinFu.getNormals(	points[, normals]	) ->	normals

计算给定点的法线。

参数

points	输入点的向量，这些点是 4 个浮点数向量
normals	输出的相应法线的向量，这些法线是 4 个浮点数向量

getParams()

virtual const Params & cv::kinfu::KinFu::getParams ( ) const

纯虚函数

获取当前参数。

getPoints()

virtual void cv::kinfu::KinFu::getPoints ( OutputArray  points ) const

纯虚函数

Python
	cv.kinfu.KinFu.getPoints(	[, points]	) ->	points

获取当前 3D 网格的点。

点的顺序是未定义的。

参数

points

点的向量，这些点是 4 个浮点数向量

getPose()

virtual Affine3f cv::kinfu::KinFu::getPose ( ) const

纯虚函数

获取当前在体素空间中的姿态。

render() [1/2]

virtual void cv::kinfu::KinFu::render ( OutputArray  image ) const

纯虚函数

Python
	cv.kinfu.KinFu.render(	[, image]	) ->	image
	cv.kinfu.KinFu.render(	cameraPose[, image]	) ->	image

将体素渲染到图像中。

使用 Phong 着色将 TSDF 的 0 表面渲染到 CV_8UC4 Mat 中。光源姿态在 KinFu 参数中是固定的。

参数

image

生成的图像

render() [2/2]

virtual void cv::kinfu::KinFu::render ( OutputArray  image, const Matx44f &  cameraPose  ) const

纯虚函数

Python
	cv.kinfu.KinFu.render(	[, image]	) ->	image
	cv.kinfu.KinFu.render(	cameraPose[, image]	) ->	image

将体素渲染到图像中。

使用 Phong 着色将 TSDF 的 0 表面渲染到 CV_8UC4 Mat 中。光源姿态在 KinFu 参数中是固定的。

参数

image	生成的图像
cameraPose	要从其进行渲染的相机的姿态。如果为空，则从当前姿态渲染，当前姿态是最后一帧相机的姿态。

reset()

virtual void cv::kinfu::KinFu::reset ( )

纯虚函数

Python
	cv.kinfu.KinFu.reset(		) ->	None

重置算法。

清除当前模型并重置姿态。

update()

virtual bool cv::kinfu::KinFu::update ( InputArray  depth )

纯虚函数

Python
	cv.kinfu.KinFu.update(	depth	) ->	retval

处理下一帧深度图像。

将深度集成到体素空间中，相对于其 ICP 计算的姿态。如果输入图像具有其他类型，则会在内部将其转换为 CV_32F。

参数

depth

单通道图像，其大小和深度缩放比例在算法的参数中描述

返回值

如果成功将新帧与当前场景对齐，则返回 true，否则返回 false

---

此类的文档是从以下文件生成的

• opencv2/rgbd/kinfu.hpp