cv::large_kinfu::LargeKinfu 類參考

大規模密集深度融合實現。 更多...

#include <opencv2/rgbd/large_kinfu.hpp>

cv::large_kinfu::LargeKinfu 的協作圖

公共成員函式
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

靜態公共成員函式
static Ptr< LargeKinfu >	create (const Ptr< Params > &_params)

詳細描述

大規模密集深度融合實現。

此類使用空間雜湊 TSDF 體積“子圖”實現用於較大環境的 3D 重建演算法。 它還執行週期性的姿勢圖最佳化，以最大限度地減少長序列跟蹤中的漂移。 目前，該演算法未實現重定位或閉環模組。 Glocker 等人在 ISMAR 2013 中描述的潛在詞袋實現或 RGBD 重定位將被實現

它採用從深度感測器（或任何深度影像源，如立體相機匹配演算法，甚至光線行進渲染器）拍攝的一系列深度影像。 輸出可以作為點向量及其法線獲得，或者可以從給定的相機姿勢進行 Phong 渲染。

模型的內部表示是一個空間雜湊體素立方體，它儲存 TSDF 值，這些值表示到最近表面的距離（有關詳細資訊，請閱讀有關 TSDF 的 [136] 文章）。 目前還沒有到該表示的介面。

對於姿勢圖最佳化，建立了 Volume 類的 Submap 抽象。 噹噹前視錐體和現有體積/模型之間的可見性重疊較低時，新的子圖將新增到模型中。 同時跟蹤多個子圖，並定期建立和最佳化姿勢圖。

LargeKinfu 尚未使用任何 OpenCL 加速。 要顯式啟用或停用它，請使用 cv::setUseOptimized() 或 cv::ocl::setUseOpenCL()。

此實現受到 Kintinuous、InfiniTAM 和其他 SOTA 演算法的啟發

您需要在 CMake 中設定 OPENCV_ENABLE_NONFREE 選項才能使用 KinectFusion。

建構函式 & 解構函式文件

~LargeKinfu()

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

virtualdefault

成員函式文件

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

純虛擬函式

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

getNormals()

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

純虛擬函式

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

getParams()

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

純虛擬函式

getPoints()

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

純虛擬函式

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

getPose()

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

純虛擬函式

render() [1/2]

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

純虛擬函式

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

純虛擬函式

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

reset()

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

純虛擬函式

Python
	cv.large_kinfu.LargeKinfu.reset(		) ->	無

update()

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

純虛擬函式

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

---

此類文件由以下檔案生成

• opencv2/rgbd/large_kinfu.hpp