基于深度相机的三维重建
通过kinect相机获取深度数据进行处实现三维重建
简介
参考了kinfu，用cmake编译pcl（点云库），kinectfusion的开源实现 三维重建过程利用深度图像进行处理，生成点云模型提取坐标及法向量， 利用ICP算法（迭代最近点算法）进行图像的配准，计算相机的位姿， 再通过tsdf截断符号距离函数算法将配准得到的数据融合，并且生成模型表面。 在计算运行过程中利用GPU并行运算进行加速，从而提高算法运行速率，可以实现实时三维重建。
环境配置，工具准备
kinect，vs2010 x64，cmake 3.5.0，CUDA5.0或更高，OPENNI1.5.4，sensorkinect
第三方库（这里提供一套可成功运行的版本及其下载链接）
Boost-1.49.0
qhull-6.2.0.1385
VTK-5.8.0
Qt_4.8.0
flann-1.7.1
Eigen-3.0.5
含有kinectfusion的pcl源码：https://github.com/yataozhong/pcl.git/
cmake编译配置pcl
参考链接： http://pointclouds.org/documentation/tutorials/compiling_pcl_windows.php#compiling-pcl-windows
注意事项
- 安装openni作为kinect的数据获取，则不能使用官方的SDK，安装时不能接入kinect。
- 建议第三方库安装时选择默认路径。
三维重建过程总结
- 通过深度相机获取一帧深度数据；
- 通过深度图像生成点云数据，计算坐标和法向量；
- 通过ICP算法将这帧点云数据与现有的点云模型进行配准，计算变换矩阵，计算相机位姿；
- 根据计算出的相机位姿，利用TSDF点云融合算法将当前点云融合到现有点云模型中；
- 使用光线投影算法，计算出当前视角下的点云模型，修正原点云，参与c中的下一帧匹配；
- 对融合的点云进行渲染，重建出三维场景。
结果展示
