3D重建（1）——对整个工作的介绍

工作内容

整个工作是一个基于Windows的（相机标定时使用了GitHub上的iai_kinect项目，该项目是一个基于ros的功能包，本人是在Ubuntu16.04版本上进行的标定工作），非实时的，对本人自己上半身进行三维重建的工作，最终通过3D打印机得到最终的自身实体模型。

工作步骤

自身坐在kinect相机前方0.8m左右，自身在椅子上自转一周（过程中保持自己上身姿势不动），本人在这个过程中获取了31片自身的点云数据（具体多上张数据比较合适也没有定论，相关的blog看过不少，有的人就用了4片点云数据，抱着数据越多越精确的想法，本人就拍了31张），然后用pcl点云库进行初步滤波，再用它的icp算法进行点云融合（由于自身能力问题，并没有因此达到自己想要的效果，其次在后面的点云曲面重建的问题上也没有达到想要的效果，因此转向了对Geomagic Studio这款逆向工程软件的求助 ），将经过pcl的icp算法初步处理过的点云数据导入Geomagic Studio软件中进行点云融合并进行曲面重建（封装），并进行一定的修补以及修剪工作，最后保存为ply文件，再用Sculptris软件进行比较精巧的修饰，最后导出文件后就可以交给3D打印机进行处理了。

整个过程中麻烦一点的point

1. Kinect红外相机内参，如果自身标定相机工作实在不易，可选择参考使用iai_kinect2项目中存放的别人相机的参数。
2. 我使用的IDE为VS2015,然后并没有选择使用Kinect v2 的SDK，而是一股脑的搭建OpenKinect的libfreenect2项目环境来获取Kinect的数据，耗费了不少时间还是没有编译成功，最后就直接用了他们已经releases的版本。
3. 相机内参的意义得回头理解相机的模型了，至于其使用就可参考iai_kinect2项目的kinect2_bridge.cpp，以及viewer.cpp文件。参考前者的目地是得注意到从kinect直接获取的深度图像是被进行过左右翻转后的，需要先用flip函数翻转回来，再用remap函数进行矫正，而后者中的函数则包含了将深度图像转变为点云数据的函数部分。
4. 先用pcl的icp算法对点云数据进行一次处理后再导入Geomagic进行融合的原因是先一步减小各点云片间的旋转量，因为点云片间的旋转量如果过大，会导致融合算法的失效（个人是这样理解的，可参考pcl的icp算法）。
5. 后期大量工作其实是对融合封装后的模型进行修补工作，不然直接成型的模型效果实在无法接受。其中具体的一点个人的技巧，后边再提。

不足

1. 获取点云数据时，并没有获取该点的颜色信息。
2. 点云数据的滤波工作做得不够多，参考有些文章都是做过一些双边滤波什么的，由于我也是刚接触，对这些点没有深究。
3. 融合方面太过依赖现有的工程软件，自己简单的使用icp算法并没有达到想要的效果，其中的原因也没深究。
4. 曲面重建问题同样进行过一段时间的尝试，但是对于自己的数据进行相关的处理后，结果也是凹凸不平的那种，还是得进行再处理。

相关技术

1. 与kinfu项目相比，本项目要简单容易很多，技术上也是无法比拟的。
2. slam技术，在进行点云融合过程中，从slam技术中了解到存在一种累积误差问题以及处理方法，然而由于本人的知识局限性，还没进行探究。
3. 曲面重建技术。

结果图