TextureFusion: Hochwertige Texterfassung für Echtzeit-RGB-D-Scanning

Die Echtzeit-RGB-D-Scanning-Technik hat sich weit verbreitet, um Objekte mit einem tragbaren Sensor progressiv zu scannen. Vorhandene Online-Methoden stellen Farbinformationen pro Voxel wieder her, sodass deren Qualität oft durch den Kompromiss zwischen räumlicher Auflösung und Zeitleistung eingeschränkt ist. Außerdem leiden solche Methoden oft unter verschwommenen Artefakten in der erfassten Textur. Traditionelle Offline-Texturzuordnungsverfahren mit nicht-starren Verzerrungen setzen voraus, dass die rekonstruierte Geometrie und alle Eingangsansichten im Voraus erhalten sind, und die Optimierung benötigt lange Zeit, um die Netzparameterisierung und Verzerrungsparameter zu berechnen, was sie daran hindert, in Echtzeitanwendungen eingesetzt zu werden. In dieser Arbeit schlagen wir eine progressive Texturfusionsmethode vor, die speziell für das Echtzeit-RGB-D-Scanning entwickelt wurde. Zu diesem Zweck entwickeln wir zunächst ein neuartiges Texturfliesen-Voxelgitter, bei dem Texturfliesen im Voxelgitter der signierten Abstandsfunktion eingebettet sind, was eine hochauflösende Texturzuordnung auf dem niederräumlichen Geometrievolumen ermöglicht. Anstatt teure Netzparameterisierung zu verwenden, verknüpfen wir die Vertizes der impliziten Geometrie direkt mit Texturkoordinaten. Zweitens führen wir eine Echtzeit-Texturverzerrung ein, die eine räumlich variable perspektivische Zuordnung auf Eingangsbilder anwendet, sodass die Texturverzerrung effizient die Diskrepanz zwischen der Zwischengeometrie und der aktuellen Eingangsansicht mildert. Dies ermöglicht es uns, die Qualität der Textur im Laufe der Zeit zu verbessern, während wir die Geometrie in Echtzeit aktualisieren. Die Ergebnisse zeigen, dass die Qualität unserer Echtzeit-Texturzuordnung äußerst wettbewerbsfähig zu der von erschöpfenden Offline-Texturverzerrungsmethoden ist. Unsere Methode kann außerdem in bestehende RGB-D-Scanning-Frameworks integriert werden.