cv::large_kinfu::LargeKinfu 类参考

大规模密集深度融合实现。 更多…

#include <opencv2/rgbd/large_kinfu.hpp>

cv::large_kinfu::LargeKinfu 的协作图

公有成员函数
virtual	~LargeKinfu ()=default
virtual void	getCloud (OutputArray points, OutputArray normals) const =0
virtual void	getNormals (InputArray points, OutputArray normals) const =0
virtual const Params &	getParams () const =0
virtual void	getPoints (OutputArray points) const =0
virtual Affine3f	getPose () const =0
virtual void	render (OutputArray image) const =0
virtual void	render (OutputArray image, const Matx44f &cameraPose) const =0
virtual void	reset ()=0
virtual bool	update (InputArray depth)=0

静态公有成员函数
static Ptr< LargeKinfu >	create (const Ptr< Params > &_params)

详细描述

大规模密集深度融合实现。

此类实现了一种用于更大环境的 3D 重建算法，使用空间散列 TSDF 体积“子地图”。它还会定期运行姿态图优化，以最大限度地减少长时间序列跟踪中的漂移。目前，该算法未实现重新定位或闭环模块。可能会实现如 Glocker 等人在 ISMAR 2013 中所述的词袋实现或 RGBD 重新定位。

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）获取的一系列深度图像。输出可以作为点及其法线的向量获得，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空间散列的体素立方体，它存储 TSDF 值，这些值表示到最近表面的距离（有关详细信息，请阅读有关 TSDF 的[133]文章）。目前还没有对此表示的接口。

对于姿态图优化，创建了对 Volume 类的子地图抽象。当当前视锥与现有体积/模型之间的可见度重叠较低时，会向模型添加新的子地图。同时跟踪多个子地图，并定期创建和优化姿态图。

LargeKinfu 尚未使用任何 OpenCL 加速。要显式启用或禁用它，请使用cv::setUseOptimized() 或cv::ocl::setUseOpenCL()。

此实现的灵感来自 Kintinuous、InfiniTAM 和其他 SOTA 算法。

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

~LargeKinfu()

virtual cv::large_kinfu::LargeKinfu::~LargeKinfu ( )

虚函数默认

成员函数文档

create()

static Ptr< LargeKinfu > cv::large_kinfu::LargeKinfu::create ( const Ptr< Params > & _params )

static

Python
	cv.large_kinfu.LargeKinfu.create(	_params	) ->	retval
	cv.large_kinfu.LargeKinfu_create(	_params	) ->	retval

getCloud()

virtual void cv::large_kinfu::LargeKinfu::getCloud ( OutputArray points, OutputArray normals ) const

纯虚函数

Python
	cv.large_kinfu.LargeKinfu.getCloud(	[, points[, normals]]	) ->	points, normals

getNormals()

virtual void cv::large_kinfu::LargeKinfu::getNormals ( InputArray points, OutputArray normals ) const

纯虚函数

Python
	cv.large_kinfu.LargeKinfu.getNormals(	points[, normals]	) ->	normals

getParams()

virtual const Params & cv::large_kinfu::LargeKinfu::getParams ( ) const

纯虚函数

getPoints()

virtual void cv::large_kinfu::LargeKinfu::getPoints ( OutputArray points ) const

纯虚函数

Python
	cv.large_kinfu.LargeKinfu.getPoints(	[, points]	) ->	points

getPose()

virtual Affine3f cv::large_kinfu::LargeKinfu::getPose ( ) const

纯虚函数

render() [1/2]

virtual void cv::large_kinfu::LargeKinfu::render ( OutputArray image ) const

纯虚函数

Python
	cv.large_kinfu.LargeKinfu.render(	[, image]	) ->	image
	cv.large_kinfu.LargeKinfu.render(	cameraPose[, image]	) ->	image

render() [2/2]

virtual void cv::large_kinfu::LargeKinfu::render ( OutputArray image, const Matx44f & cameraPose ) const

纯虚函数

Python
	cv.large_kinfu.LargeKinfu.render(	[, image]	) ->	image
	cv.large_kinfu.LargeKinfu.render(	cameraPose[, image]	) ->	image

reset()

virtual void cv::large_kinfu::LargeKinfu::reset ( )

纯虚函数

Python
	cv.large_kinfu.LargeKinfu.reset(		) ->	None

update()

virtual bool cv::large_kinfu::LargeKinfu::update ( InputArray depth )

纯虚函数

Python
	cv.large_kinfu.LargeKinfu.update(	depth	) ->	retval

---

此类的文档是从以下文件生成的：

• opencv2/rgbd/large_kinfu.hpp