本文結合一些pape并且將資源進行整合，以便于后期的學習。博客將這些資源一下，這里不得提到大名鼎鼎的KinectFusion以及他后面的一系列工作。KinectFusion單篇論文引用都已經超過3000次了，可以稱得上是具有劃時代意義的一篇巨著，如果只想看現階段效果最好的三維重建算法，請拉到文章最后（如有更好的算法，還請各位留言告知，以便于筆者及時更新，還望告知）

一、KinectFusion（2011）

帝國理工的Newcombe等人在2011年提出的KinectFusion，可在不需要RGB圖而只用深度圖的情況下就能實時地建立三維模型。KinectFusion算法首次實現了基于廉價消費類相機的實時剛體重建，在當時是非常有影響力的工作，它極大的推動了實時稠密三維重建的商業化進程。

在他們的論文中沒有開源代碼，最初的代碼是由PCL團隊實現的：https://link.zhihu.com/？target=http%3A//pointclouds.org/news/kinectfusion-open-source.html

KinectFusion之后，陸續出現了Kintinuous，ElasticFusion ElasticReconstruction，DynamicFusion，InfiniTAM，BundleFusion等非常優秀的工作。其中2017年斯坦福大學提出的BundleFusion算法，據說是目前基于RGB-D相機進行稠密三維重建效果最好的方法。

二、Kintinuous和ElasticFusion

這兩個工作都是同一個人做出來的，這個人就是Thomas Whelan。這兩個工作應該算KinectFusion之后影響力比較大的。

Kintinuous GitHub代碼：https://github.com/mp3guy/Kintinuous

ElasticFusion GitHub代碼：https://github.com/mp3guy/ElasticFusion

Kintinuous2.0重建效果：

ElasticFusion 重建效果：

三、ElasticReconstruction

項目官網：http://qianyi.info/scene.html

GitHub代碼：https://github.com/qianyizh/ElasticReconstruction

重建效果：

四、InfiniTAM

InfiniTAM提供Linux，iOS，Android平臺版本，CPU可以實時重建。

官網：http://www.robots.ox.ac.uk/~victor/infinitam/

GitHub代碼：https://github.com/victorprad/InfiniTAM

重建效果：

五、DynamicFusion

官網：https://grail.cs.washington.edu/projects/dynamicfusion/

代碼：https://github.com/mihaibujanca/dynamicfusion

重建效果：

六、BundleFusion

官網：http://graphics.stanford.edu/projects/bundlefusion/

論文：https://arxiv.org/pdf/1604.01093.pdf

代碼：https://github.com/niessner/BundleFusion

重建效果：

參考文獻：
【1】CMVS/PMVS:?http://www.di.ens.fr/cmvs/

【2】https://www.zhihu.com/question/29885222/answer/918009389

【3】https://www.zhihu.com/question/29885222

【4】https://www.zhihu.com/question/29885222/answer/48940748

【5】https://mp.weixin.qq.com/s/NUFr_Jz98HM93Xm-6jDICw

基于圖像的大規模場景三維重建(上)：https://www.leiphone.com/news/201711/9dxX6g30dlEoqvPZ.html
基于圖像的大規模場景三維重建(下)：https://www.leiphone.com/news/201711/s6CHNAyjurPPyKiz.html

3D點云目標檢測算法

?

總結

以上是生活随笔為你收集整理的三维重建【二】————3D reconstruction 较为实用的算法资料整理（传统方式）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。