22、大规模全光重建：BuildingFusion方法解析

大规模全光重建：BuildingFusion方法解析

在三维重建领域，大规模场景的重建与理解一直是关键且具有挑战性的任务。本文将详细介绍一种名为BuildingFusion的方法，它在解决大规模场景重建问题上展现出了显著的优势。

1. 大规模感知的挑战与BuildingFusion的提出

大规模感知面临着诸多挑战。首先，姿态优化的复杂度会随着输入帧数的增加而线性上升，重建大规模场景模型需要大量的内存，这使得在消费级计算设备上实现实时的建筑级场景重建变得困难。其次，传统的回环检测（LCD）方法基于局部场景相似性，在存在多个外观相似房间的情况下不可靠。最后，现有的大多数系统采用单相机扫描策略，对于建筑级场景重建效率低下且容错率低。

为应对这些挑战，BuildingFusion方法应运而生。它通过采用子地图策略、提出语义感知的房间级LCD方法以及利用集中式和非结构化架构实现协作扫描，不仅大幅扩展了重建规模，还实现了语义感知的建筑级重建，在室内导航和大规模AR/VR应用中具有巨大潜力。

2. BuildingFusion的基础数据结构与表示

为了理解BuildingFusion的工作原理，我们需要先明确一些基本的数据结构和表示方法。

• RGBD帧表示 ：索引为 (i) 的RGBD帧表示为 (F_i)，其中 (r_i) 和 (d_i) 分别表示颜色和深度观测值。从 (r_i) 中提取ORB特征 (f_i = {f^k_i, k \in [0, \ldots, |f_i|]}) 用于帧间注册和基于图像的LCD。
• 关键帧与局部帧