由于成像原理限制,深度相机无法获得非朗伯体高反射面和透明物质的真实深度值,造成模型缺失甚至重建失败。针对特殊表面的三维重建问题,提出一种定位特殊表面并优化位姿追踪的方法。通过累计零深度区和时序一致性约束优化对特殊表面进行定位。对深度数据置信度进行评估,并采用空间、时间两个维度上非平均的位姿计算方法来减小透明物质对位姿计算的影响。实验结果表明,在自然场景中,所提方法能够仅通过消费级相机采集的深度数据完成包含特殊表面的三维模型重建与修复,位姿追踪更加准确,模型精度更高。

针对大场景三维重建中, 由位姿估计的累积误差而导致的相机漂移和重建模型质量低的问题, 提出了减少累积误差的方法。首先, 基于由最新K对深度和彩色图像融合的模型, 最小化输入RGB-D图像的几何误差和亮度误差来跟踪相机。然后, 若相机位置与当前子网格的中心点距离大于给定阈值时, 则将子网格平移体素单元整数倍的距离, 基于新建的子网格继续跟踪相机并重建局部场景模型。最后, 在子网格间以迭代步长式的方法寻找对应表面点, 以对应点间的欧氏距离与亮度误差为约束, 优化全局相机轨迹。基于数据集的实验结果表明,相机位姿估计精度比主流方法提升14.1%, 全局轨迹优化精度提升8%。对于自采数据, 本文设计的系统可减少位姿估计中的累积误差、重建高质量的场景模型。