| English | 简体中文 |
一个基于CPP CUDA的Kinectfusion算法实现，参考 Newcombe, Richard A.等人的 KinectFusion: Real-time dense surface mapping and tracking. 这只是一个学习项目，因此暂未实现实时重建。更多信息可以在我们的报告中查看，不过暂时只有中文版本。
CUDA 11.3 或者一些在CUDA8.0以上的低一些的版本也可以，我们是在CUDA11.3上运行的
OpenCV 3.0 or higher.
Eigen3: 用于高效的矩阵和向量操作（仅在CPU上）。我们尝试将其在GPU上运行，但似乎会出现一些问题，因此仅在CPU上使用了Eigen.
我们在Ubuntu20.04的WSL2上配置了环境，使用VS Code 来进行开发和调试，如果你想采用同样的配置方式也许可以参考配置文档，或许会有帮助。
首先你需要将代码clone到本地，并配置好环境。
采用cmake和make命令直接编译项目即可。
在数据读入方面，我们支持了TUM和ICL-NUIM两个数据集。在main.cpp中，你可以找到读入这些的逻辑，默认使用ICL-NIUM数据集，你只需要将其中一部分注释掉，并重新编译，即可切换要读入的数据集。
在使用ICL-NUIM数据集时，请使用TUM兼容的版本，并将depth，rgb两个文件夹和associations.txt放置于可执行文件位于的目录中。
在使用TUM数据集时，请将rgb,depth文件夹和depth.txt,rgb.txt放置于可执行文件的目录中。
同时在执行前也需要录入参数。请在可执行文件的目录下放置一个名为config.txt的配置文件
需要包含以下参数，请根据数据集的不同来调整
IMAGE_WIDTH = 640
IMAGE_HEIGHT = 480
FOCAL_X = 525.0
FOCAL_Y = 525.0
PRINCIPAL_X = 319.5
PRINCIPAL_Y = 239.5
NUM_LEVELS = 3
KERNAL_SIZE = 5
DEPTH_CUTOFF = 10000.f
COLOR_SIGMA = 1.f
SPATIAL_SIGMA = 1.f
DISTANCE_THRESHOLD = 200.f
ANGLE_THRESHOLD = 30.f
DETETMINANT_THRESHOLD = 1000.f
VOXEL_SCALE = 10.f
TRUNCATION_DISTANCE = 200.f
INIT_DEPTH = 1000.f
DEPTH_SCALE = 5000
参数的具体含义请参照include/Configuration.h中的描述
我们在重建之后将结果导出到了meshlab中生成了网格。结果如下所示，数据集来自于cvg.cit.tum.de
同时对于场景重建，我们使用了ICL-NUIM数据集对算法进行了测试，将其导入到CloudCompare中分析误差。其中kt2场景的结果如下，具体结果分析可以参考我们的报告的测试部分。
本项目是在KinectFusionLib的基础上修改而来，并参照了KinectFusionAppLib_comments的注解，在此非常感谢以上两个仓库的贡献者。