cv::kinfu::KinFu 类参考

KinectFusion 实现。 更多…

#include <opencv2/rgbd/kinfu.hpp>

cv::kinfu::KinFu 协作图

公共成员函数
虚函数	~KinFu ()
虚函数 void	getCloud (OutputArray points, OutputArray normals) const =0
	获取当前三维网格的点和法向量。
虚函数 void	getNormals (InputArray points, OutputArray normals) const =0
	计算给定点的法向量。
虚函数 const Params &	getParams () const =0
	获取当前参数。
虚函数 void	getPoints (OutputArray points) const =0
	获取当前三维网格的点。
虚函数 Affine3f	getPose () const =0
	获取体素空间中的当前姿态。
虚函数 void	render (OutputArray image) const =0
	将体积渲染到图像中。
虚函数 void	render (OutputArray image, const Matx44f &cameraPose) const =0
	将体积渲染到图像中。
虚函数 void	reset ()=0
	重置算法。
虚函数 bool	update (InputArray depth)=0
	处理下一个深度帧。

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

详细描述

KinectFusion 实现。

此类实现了在 [133] 论文中描述的三维重建算法。

它接收从深度传感器（或任何深度图像源，例如立体相机匹配算法甚至光线追踪渲染器）获取的深度图像序列。输出可以作为点及其法向量的向量获得，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，它保留 TSDF 值，这些值是一种到表面的距离（有关详细信息，请阅读 [133] 关于 TSDF 的文章）。目前还没有对此表示的接口。

KinFu 如果可用，会自动使用 OpenCL 加速。要显式启用或禁用它，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。

这就是为什么你需要在 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 ( )

虚函数

成员函数文档

create()

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

静态

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

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

获取当前三维网格的点和法向量。

法向量的顺序与点的顺序对应。点的顺序未定义。

参数

points	4 个浮点数构成的向量，表示点
normals	4 个浮点数构成的向量，表示法向量

getNormals()

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

纯虚函数

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

计算给定点的法向量。

参数

points	4 个浮点数构成的输入点向量
normals	4 个浮点数构成的对应法向量输出向量

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

获取当前三维网格的点。

点的顺序未定义。

参数

points

4 个浮点数构成的向量，表示点

getPose()

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

纯虚函数

获取体素空间中的当前姿态。

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

将体积渲染到图像中。

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

参数

image

结果图像

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

将体积渲染到图像中。

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

参数

image	结果图像
cameraPose	要从中渲染的相机的姿态。如果为空，则从当前姿态渲染，即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(		) ->	无

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	) ->	返回值

处理下一个深度帧。

根据其 ICP 计算的姿态将深度集成到体素空间中。如果输入图像具有其他类型，则会在内部转换为 CV_32F。

参数

depth

单通道图像，其大小和深度比例在算法参数中描述

返回值

如果成功将新帧与当前场景对齐，则为真；否则为假。

---

此类的文档是从以下文件生成的：

• opencv2/rgbd/kinfu.hpp