6、实时全局一致网格重建与图像去雾技术解析

实时全局一致网格重建与图像去雾技术解析

实时增量网格重建算法

在三维重建领域，传统的环境表示方法使用全身体素，存在诸多限制。它需要预先了解场景大小并选择合适的体素大小，场景重建局限于固定区域，仅适用于室内，且内存消耗和计算复杂度高，依赖强大的 GPU 计算能力，不利于在移动设备上执行重建任务。

为解决这些问题，提出了一种基于 Robin - Hood 体素哈希方法的实时增量网格重建算法，利用 CPU 处理能力进行实时大场景重建，并提供准确的位姿和模型信息。以下是该算法的详细步骤：
1. 特征提取
- 将图像转换为八层图像金字塔，每层之间的比例因子为 1.2，然后分别为图像的每一层提取特征。
- 在 Orianted FAST 关键点提取阶段，使用 SIMD 加速 FAST 角点提取过程。FAST 特征检测算法基于特征点周围图像的灰度值，若候选点周围有足够像素且灰度值差异显著，则将其识别为特征点。提取 FAST 关键点后，使用灰度质心法计算关键点的方向。
- 在计算描述符阶段，对每一层图像应用高斯滤波器去除高频信号，使后续计算的 BRIEF 描述符更鲁棒。最后，对每层提取的 FAST 关键点和相应的 BRIEF 描述符应用四叉树算法，使特征点均匀分布，避免过度集中，便于进行位姿估计。
2. 特征匹配
- 使用汉明距离作为度量来评估两个特征点的相似度。对于 256 位的 BRIEF 特征描述符，对每个二进制位进行按位异或操作，计算每个位的值并求和。由于每位计算过程中无紧密依赖关系，执行 mm popcnt u64 指令（Intel SIMD 指令）四次完成汉明距离计算。