【小白深度教程 1.24】手把手教你使用 Open3D（7）对 RGBD 数据进行集成（Marching Cubes）

1. RGBD 集成的概念

Open3D 实现了可扩展的 RGBD 图像集成算法。该算法基于 Curless1996 和 Newcombe2011 提出的技术。为了支持大场景，我们使用了在 ElasticReconstruction Integrater 中引入的分层哈希结构。

2. 从 .log 文件读取轨迹

本教程使用 read_trajectory 函数从 .log 文件中读取相机轨迹。以下是一个示例 .log 文件。

# examples/test_data/RGBD/odometry.log
0   0   1
1   0   0   2
0   1   0   2
0   0   1 -0.3
0   0   0   1
1   1   2
0.999988  3.08668e-005  0.0049181  1.99962
-8.84184e-005  0.999932  0.0117022  1.97704
-0.0049174  -0.0117024  0.999919  -0.300486
0  0  0  1

class CameraPose:

    def __init__(self, meta, mat):
        self.metadata = meta
        self.pose = mat

    def __str__(self):
        return 'Metadata : ' + ' '.join(map(str, self.metadata)) + '\n' + \
            "Pose : " + "\n" + np.array_str(self.pose)


def read_trajectory(filename):
    traj = []
    with open(filename, 'r') as f:
        metastr = f.readline()
        while metastr:
            metadata = list(map(int, metastr.split()))
            mat = np.zeros(shape=(4, 4))
            for i in range(4):
                matstr = f.readline()
                mat[i, :] = np.fromstring(matstr, dtype=float, sep=' \t')
            traj.append(CameraPose(metadata, mat))
            metastr = f.readline()
    return traj

camera_poses = read_trajectory("../../test_data/RGBD/odometry.log")

3. TSDF 体积集成

Open3D 提供了两种类型的 TSDF 体积：UniformTSDFVolume 和 ScalableTSDFVolume。推荐使用后者，因为它采用分层结构，从而支持更大的场景。

ScalableTSDFVolume 有多个参数。例如，voxel_length = 4.0 / 512.0 表示 TSDF 体积的单个体素大小为 $\frac{4.0m}{512.0}=7.8125mm$。降低该值可以生成高分辨率的 TSDF 体积，但集成结果可能对深度噪声敏感。sdf_trunc = 0.04 指定了符号距离函数 (SDF) 的截断值。

当 color_type = TSDFVolumeColorType.RGB8 时，8 位 RGB 颜色也会作为 TSDF 体积的一部分进行集成。浮点类型的强度可以通过 color_type = TSDFVolumeColorType.Gray32 和 convert_rgb_to_intensity = True 集成。颜色集成的灵感来自 PCL。

volume = o3d.pipelines.integration.ScalableTSDFVolume(
    voxel_length=4.0 / 512.0,
    sdf_trunc=0.04,
    color_type=o3d.pipelines.integration.TSDFVolumeColorType.RGB8)

for i in range(len(camera_poses)):
    print("Integrate {:d}-th image into the volume.".format(i))
    color = o3d.io.read_image("../../test_data/RGBD/color/{:05d}.jpg".format(i))
    depth = o3d.io.read_image("../../test_data/RGBD/depth/{:05d}.png".format(i))
    rgbd = o3d.geometry.RGBDImage.create_from_color_and_depth(
        color, depth, depth_trunc=4.0, convert_rgb_to_intensity=False)
    volume.integrate(
        rgbd,
        o3d.camera.PinholeCameraIntrinsic(
            o3d.camera.PinholeCameraIntrinsicParameters.PrimeSenseDefault),
        np.linalg.inv(camera_poses[i].pose))

4. 提取网格

网格提取使用经典的 Marching Cubes 算法 LorensenAndCline1987。

print("Extract a triangle mesh from the volume and visualize it.")
mesh = volume.extract_triangle_mesh()
mesh.compute_vertex_normals()
o3d.visualization.draw_geometries([mesh],
                                  front=[0.5297, -0.1873, -0.8272],
                                  lookat=[2.0712, 2.0312, 1.7251],
                                  up=[-0.0558, -0.9809, 0.1864],
                                  zoom=0.47)