Python中RGB-D图像的体积TSDF融合 这是一个轻量级的python脚本，可将多个已注册的颜色和深度图像融合到一个投影的截断的有符号距离函数（TSDF）体积中，然后可用于创建高质量的3D表面网格和点云。 在Ubuntu 16.04上测试。 较旧的CUDA / C ++版本可在找到。 要求 带有 ， ， ， 和 。 通过运行以下命令，可以快速安装/更新它们： pip install --user numpy opencv-python scikit-image numba [可选] GPU加速需要具有和的NVIDA GPU： pip install --user pycuda 演示版 该演示将来自7个场景的数据集的1000张RGB-D图像融合到405 x 264 x 289的投影TSDF体素体积中，在GPU模式下以约30 FPS（在CPU模式下为0.4 FPS）的分辨率为2cm，并输出3D网格mesh.ply可以使用诸如的3D查看器可视化的mesh.ply 。 注意：彩色图像保存为24位PNG RGB，深度图像保存为16位PNG（以毫米为单位）。 python de

TSDF 体素重建原理PPT，来自慕尼黑理工大学 Computer Vision Group，该方法在三维重建中应用广泛

数据融合matlab代码多深度图的体积TSDF融合 更新：此代码的python版本同时具有CPU / GPU支持。 CUDA / C ++代码可将多个已注册的深度图融合到一个投影的截断的有符号距离函数（TSDF）体素体中，然后可用于创建高质量的3D表面网格和点云。 在Ubuntu 14.04和16.04上测试。 寻找旧版本？ 看 。 变更记录 2017年11月1日。漏洞修复： tsdf2mesh.m现在可以在相机坐标而不是体素坐标中正确生成网格。 2017年10月30日。注意：在演示代码中更改了SaveVoxelGrid2SurfacePointCloud默认权重阈值，以允许仅使用一个深度框架创建点云可视化。 2017年8月30日。错误修复：在集成期间从曲面距离计算中删除不建议使用的偏移量。 要求 NVIDA GPU支持 （已通过OpenCV 2.4.11测试） 演示版 该演示将来自目录data/rgbd-frames 50个注册深度图融合到一个投影的TSDF体素体积中，并创建一个3D表面点云tsdf.ply ，可以使用像这样的3D查看器对其进行可视化。 注意：输入深度图应以以下格式保

ORB-SLAM2 作者： ， ， 和 （ ） 2017年1月13日：现在支持OpenCV 3和Eigen 3.3。 2016年12月22日：添加了AR演示（请参见第7节）。 ORB-SLAM2是用于单目，立体声和RGB-D相机的实时SLAM库，可计算相机轨迹和稀疏的3D重建（在具有真实比例的立体声和RGB-D情况下）。 它能够实时检测环路并重新定位摄像机。 我们提供了在以立体或单眼，在以RGB-D或单眼，在以立体或单眼运行SLAM系统的。 我们还提供了一个ROS节点来处理实时单眼，立体声或RGB-D流。 该库可以在没有ROS的情况下进行编译。 ORB-SLAM2提供了一个可在SLAM模式和本地化模式之间切换的GUI，请参阅本文档的第9节。 相关出版物： （单眼）劳尔·穆尔·阿塔尔（RaúlMur-Artal），蒙蒂尔（JMM Montiel）和胡安·塔多斯（Juan D.