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
	获取体素空间中的当前姿态。
virtual void	render (OutputArray image) const =0
	将体数据渲染为图像。
virtual void	render (OutputArray image, const Matx44f &cameraPose) const =0
	将体数据渲染为图像。
virtual void	reset ()=0
	重置算法。
virtual bool	update (InputArray depth)=0
	处理下一深度帧。

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

详细描述

KinectFusion 实现。

此类实现了 [136] 论文中描述的 3d 重建算法。

它接受从深度传感器获取的一系列深度图像（或任何深度图像源，例如立体相机匹配算法，甚至光线步进渲染器）。 输出可以作为点向量及其法线获得，或者可以从给定的相机姿势进行 Phong 渲染。

模型的内部表示是一个体素长方体，它保存 TSDF 值，TSDF 值是到表面的距离的一种形式（有关详细信息，请阅读有关 TSDF 的 [136] 文章）。 目前还没有该表示的接口。

如果可用，KinFu 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，其使用可能受到本模块目录中的 README.md 文件中提到的专利列表的限制。

这就是为什么您需要在 CMake 中设置 OPENCV_ENABLE_NONFREE 选项才能使用 KinectFusion。

构造函数 & 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。

法线的顺序对应于点的顺序。 点的顺序未定义。

参数

points	点向量，为 4 浮点向量
normals	法线向量，为 4 浮点向量

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	输入点向量，为 4 浮点向量
normals	输出对应法线向量，为 4 浮点向量

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。

点的顺序未定义。

参数

points

点向量，为 4 浮点向量

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

将体数据渲染为图像。

使用 Phong 着色将 TSDF 的 0 表面渲染到 CV_8UC4 Mat 中。 光源姿势固定在 KinFu 参数中。

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

将体数据渲染为图像。

使用 Phong 着色将 TSDF 的 0 表面渲染到 CV_8UC4 Mat 中。 光源姿势固定在 KinFu 参数中。

参数

image	结果图像
cameraPose	从中渲染的相机姿势。 如果为空，则从当前姿势渲染，当前姿势是最后一帧相机姿势。

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 深度 )

纯虚函数

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

处理下一深度帧。

将深度积分到体素空间中，并考虑其 ICP 计算的姿势。 如果输入图像具有另一种类型，则在内部将其转换为 CV_32F。

参数

深度	单通道图像，其大小和深度比例在算法参数中描述

返回

如果成功对齐新帧与当前场景，则为 true，如果相反，则为 false

---

此类文档由以下文件生成

• opencv2/rgbd/kinfu.hpp