融合预测的跟踪
- 场景用一个无序的surfel列表
表示(同文献[9]),其中每个表面
具有下面这些属性：
位置
法线
颜色
权重(这里权重是什么？？？)
半径给定点周围的局部表面区域，同时最小化可见孔，计算如文献[17]/半径通过场景表面离相机光心的距离的求得，距离越大，面片的半径越大
初始化时间戳
最后更新时间戳 - 表面处理初始化和深度图融合和文献[9]中一样，使用地图进行位姿估计时有两处不同
- 不仅通过几何frame-to-model预测深度图，还通过frame-to-model预测了颜色
- 我们定义了一个时间窗阈值
，它将M划分为活动和非活动的surfel。(仅标记为活动模型表面的部分被用于相机姿势估计和深度图融合。当自上次更新表面以来（即，具有与其相关联的原始深度测量用于融合）的时间大于时
A.几何位姿估计
当前帧深度图(原文这里用的depth map)和来自上一帧的预测active模型深度图
之间的运动参数
，通过最小化3D back-projected(反投影) 顶点之间的点到平面的成本误差函数得到：(2)
是时间t这一帧深度图中第k个顶点在相机坐标系下的空间位置，
和
是建立的地图中相关联的顶点和向量（第t-1步优化完毕得到）。T是从先前相机姿势到当前相机姿势的当前估计，并且
是将李代数se3映射到对应李群SE3中，代表的应该是前一帧在世界坐标系的位置。顶点之间用投影数据关联互相关联.
该公式表达的含义是用深度图像估计相机姿态变换。而优化的误差函数则是非常正常地将新一帧中对应的点（应该是表达在空间坐标系下），按照姿态变换投影到上一帧位置中去，然后计算它们之间在空间的距离。法向量的左右是计算距离（法向量方向的投影）
其中所谓上一帧的位置，实际上应该叫做当前model的位置。即
B.光度位姿估计
在当前的实时彩色图像和最后一帧的预测活动模型颜色
之间，目标是找到最小化像素之间光度误差（强度差异）成本的运动参数
：(3)
式中，T为从前一个相机姿态到当前相机姿态转换的当前估计值。注意，方程2和3省略了3维向量和对应的齐次4维向量之间的转换(与T相乘时需要)，以简化符号。
这个值是从估计的active model部分的，而不是单纯的上一帧，所以这是个frame-model模型。
则是新来的一帧彩色图像。T和李群计算，则将其从通过深度取到的深度图坐标系下的空间点转化成，世界坐标系下。
C.联合优化
最小化联合成本函数：
这里设置
网友评论