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

公共成员函数
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

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

详细描述

大规模密集深度融合实现。

此类使用空间散列 TSDF 体积“子图”实现用于较大环境的 3D 重建算法。 它还运行周期性的姿势图优化，以最大限度地减少长序列跟踪中的漂移。 目前，该算法未实现重定位或闭环模块。 Glocker 等人在 ISMAR 2013 中描述的潜在词袋实现或 RGBD 重定位将被实现

它采用从深度传感器（或任何深度图像源，如立体相机匹配算法，甚至光线行进渲染器）拍摄的一系列深度图像。 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空间散列体素立方体，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 [136] 文章）。 目前还没有到该表示的接口。

对于姿势图优化，创建了 Volume 类的 Submap 抽象。 当当前视锥体和现有体积/模型之间的可见性重叠较低时，新的子图将添加到模型中。 同时跟踪多个子图，并定期创建和优化姿势图。

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()。

此实现受到 Kintinuous、InfiniTAM 和其他 SOTA 算法的启发

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

~LargeKinfu()

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

virtualdefault

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(		) ->	无

update()

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

纯虚函数

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

---

此类文档由以下文件生成

• opencv2/rgbd/large_kinfu.hpp