Kinect数据

Kinect V1 和 V2 比较

Kinect V1 和 V2 的外观比较

kinect

Kinect V1 和 V2 的参数比较

kinect

Kinect V1 和 V2 随距离增加的误差分布

kinect

Kinect V1 和 V2 颜色误差分布

kinect

Kinect V2 在边界处有飞点

kinect

参考文献:Comparison of Kinect V1 and V2 Depth Images in Terms of Accuracy and Precision - ACCV2016


Kinect数据如何处理?精度很低吗

Kinect数据属于低精度的深度视频数据,两个特点:一个是精度低,一个是视频数据。可以应用KinectFusion技术把连续的K(比如K取30)帧数据融合到一块,作为一帧数据用于后续处理。如下图所示,左图是一帧数据,右图是取了连续的30帧数据融合到一块的数据。

kinect fusion

KinectFusion是什么

KinectFusion的核心有两个技术,一个是ICP,一个是符号距离函数。它的思路是一边注册,一边融合。由于是深度视频,帧与帧之间的位置差别不大,可以看作是粗注册好的数据,所以可以直接应用ICP进行精细注册。融合采用了符号距离函数技术,它在空间中定义了一个到曲面的距离场,0等值面则为测量的曲面。ICP的缺点在KinectFusion中都能体现出来,比如滑动区域会融合失败。另外它并没有考虑全局注册,如果数据有大的回路,会有对不齐的现象出现。


为什么需要全局注册

Kinect数据精度不高,在扫描一些大物体的时候,注册误差会累积得很厉害。如下图所示,第一列截取了三对ICP注册后的点云,局部来看注册得很好。然后逐对点云两两ICP注册,如中图所示,点云注册的效果并不好,累计误差很严重。第三列是点云经过全局注册后效果,注册误差被分散到每一帧中去了,从而减少整体的注册误差。

kinect_global_registrate

Kinect V2 进行室内重建

  • 前端:点云实时配准 + 融合 + 局部调整
  • 后端回路检测 + 全局注册 + 纹理贴图, 色彩融合
  • 纯CPU计算,前端可达实时