科创中国

行业领域

电子信息技术

需求背景

室内三维重建一直是计算机视觉领域的热点问题，其目的是通过室内场景的RGB-D流和相机参数估计出相机运动轨迹，而后根据运动轨迹将RGB-D流融合生成三维模型，如点云模型、网格模型；室内三维重建在文物保护、逆向CAD、旅游、虚拟现实、机器人导航等领域都有着广泛的应用；室内三维重建算法的大致流程为先计算RGB-D帧之间相对位姿，而后通过相对位姿计算全局位姿，对这些三维点云进行融合，最后得到三维模型。

虽然现已有多种算法达到了较好的重建效果，但因通常使用Bundle Adjustment算法作为全局优化的核心，这些方法需要通过估计的全局位姿得到一致性点集，从而由某种点融合策略得到3D路标点；而在全局Bundle Adjustment优化方法中，这些3D点作为全局位姿之间的测量约束，来共同优化全局位姿与3D点；其真实场景中的表现往往受限于繁重的计算量、不可靠的收敛域和点融合策略。

因点融合策略可能导致新的误差产生，采用帧对帧配准方法构建位姿图，有利于提高重建精度；位姿图优化方法能够不依赖于全局位姿初始值，能够可靠地收敛到平均状态；而现有全局位姿图优化的目标函数与室内场景中实际点分布无关，无法准确衡量实际场景的偏移损失。

使用基于纹理特征匹配点的残差损失作为全局优化的损失函数，有利于准确表示由全局位姿误差导致的场景偏移，但该损失函数往往包含大量残差项，求解速度受到限制。

需解决的主要技术难题

需解决现有全局位姿图优化的目标函数与室内场景中实际点分布无关，无法准确衡量实际场景的偏移损失的问题。

需解决损失函数往往包含大量残差项，求解速度受到限制的问题。

期望实现的主要技术目标

可以在保证精确度与完整度的情况下，解决三维重建速度瓶颈，有效地实现室内场景的实时重建。

处理进度