목차
- Voxel Block Grid
- TSDF Integration
- Customized Integration: https://velog.io/@jk01019/open3d-Customized-Integration
- Ray Casting in a Voxel Block Grid
재구성 시스템 (텐서)
- 이 튜토리얼은
Open3D 텐서 인터페이스와Open3D 해시 맵 백엔드를 사용한볼륨 기반 RGB-D 재구성과 밀집형 RGB-D SLAM을 시연합니다. - 튜토리얼은 최소한의 데이터셋인
SampleRedwoodRGBDImages로 실행할 수 있지만, 이 시스템의 성능을 제대로 보여주려면 더 긴 시퀀스를 가진 실제 데이터셋으로 실행하는 것이 좋습니다. - 사용 가능한 데이터셋에 대해서는 RGB-D 이미지를 참조하세요.
- https://www.open3d.org/docs/release/tutorial/geometry/rgbd_image.html
- 시작점으로는 Redwood 데이터셋이 적합합니다.
참고
- 현재 이 튜토리얼은 온라인 밀집 SLAM과 주어진 자세를 사용한 오프라인 통합만을 다룹니다.
- [Dong2021]에서 언급된 텐서 기반 오프라인 재구성 시스템, 동시적 위치 추정 및 보정(SLAC), 그리고 음영으로부터 형태를 추정하는(SfS) 튜토리얼은 아직 개발 중입니다.
- 현재로서는 이전 버전에 대한 재구성 시스템을 참조하세요.
빠른 시작
예제 코드 가져오기
# Open3D pip 패키지가 설치된 conda 환경을 활성화합니다.
# Open3D GitHub 저장소를 클론하고 예제 디렉토리로 이동합니다.
cd examples/python/t_reconstruction_system/
# ``dense_slam_gui.py``의 CLI 도움말을 표시합니다.
python dense_slam_gui.py --help기본 데이터셋으로 예제 실행
# 다음 명령은 기본 데이터셋인 Stanford의 ``lounge`` 데이터셋을 다운로드하고 사용합니다.
python dense_slam_gui.py- CUDA를 사용할 수 있으면 사용하는 것이 좋습니다.
# 다음 명령은 기본 데이터셋인 Stanford의 ``lounge`` 데이터셋을 다운로드하고 사용합니다.
python dense_slam_gui.py --device 'cuda:0'기본 데이터셋 변경
-
기본 데이터셋을 다른 사용 가능한 데이터셋으로 변경할 수 있습니다. 현재 사용 가능한 데이터셋은 다음과 같습니다:
-
Lounge (키워드: lounge) (기본값)
-
Bedroom (키워드: bedroom)
-
Jack Jack (키워드: jack_jack)
# ``jack_jack``을 기본 데이터셋으로 사용합니다.
python dense_slam_gui.py --default_dataset 'bedroom'설정 파일을 사용하여 사용자 지정 데이터셋으로 예제 실행
- 데이터를 수동으로 다운로드하거나 폴더에 저장하고
- 모든 컬러 이미지를
image하위 폴더에, 모든 깊이 이미지를depth하위 폴더에 저장
- 모든 컬러 이미지를
- 그런 다음
config.yml파일을 생성하고path_dataset을 데이터 디렉토리로 설정 - 변경하려는 기본값에 대한 매개변수를 덮어쓸 수 있습니다.
- 온라인 재구성 시스템에 대한 예제 설정 파일은
examples/python/t_reconstruction_system/default_config.yml에 제공되어 있으며, 다음과 같이 구성되어 있습니다:
name: Default reconstruction system config
fragment_size: 100
device: CUDA:0
engine: tensor
multiprocessing: false
path_dataset: ''
depth_folder: depth
color_folder: color
path_intrinsic: ''
path_color_intrinsic: ''
depth_min: 0.1
depth_max: 3.0
depth_scale: 1000.0
odometry_method: hybrid
odometry_loop_interval: 10
odometry_loop_weight: 0.1
odometry_distance_thr: 0.07
icp_method: colored
icp_voxelsize: 0.05
icp_distance_thr: 0.07
global_registration_method: ransac
registration_loop_weight: 0.1
integrate_color: true
voxel_size: 0.0058
trunc_voxel_multiplier: 8.0
block_count: 40000
est_point_count: 6000000
surface_weight_thr: 3.0자체 데이터셋 캡처
- 이 튜토리얼은 Intel RealSense 카메라를 사용하여 동기화되고 정렬된 RGB-D 이미지를 녹화할 수 있는 예제를 제공합니다.
- 자세한 내용은 "자체 데이터셋 캡처"를 참조하세요
새로운 것이 들어오면 이미 있는 것과 충돌을 시도하라.