三维重建【二】————3D reconstruction 较为实用的算法资料整理（传统方式）

本文结合一些pape并且将资源进行整合，以便于后期的学习。博客将这些资源一下，这里不得提到大名鼎鼎的KinectFusion以及他后面的一系列工作。KinectFusion单篇论文引用都已经超过3000次了，可以称得上是具有划时代意义的一篇巨著，如果只想看现阶段效果最好的三维重建算法，请拉到文章最后（如有更好的算法，还请各位留言告知，以便于笔者及时更新，还望告知）

一、KinectFusion（2011）

帝国理工的Newcombe等人在2011年提出的KinectFusion，可在不需要RGB图而只用深度图的情况下就能实时地建立三维模型。KinectFusion算法首次实现了基于廉价消费类相机的实时刚体重建，在当时是非常有影响力的工作，它极大的推动了实时稠密三维重建的商业化进程。

在他们的论文中没有开源代码，最初的代码是由PCL团队实现的：https://link.zhihu.com/？target=http%3A//pointclouds.org/news/kinectfusion-open-source.html

KinectFusion之后，陆续出现了Kintinuous，ElasticFusion ElasticReconstruction，DynamicFusion，InfiniTAM，BundleFusion等非常优秀的工作。其中2017年斯坦福大学提出的BundleFusion算法，据说是目前基于RGB-D相机进行稠密三维重建效果最好的方法。

二、Kintinuous和ElasticFusion

这两个工作都是同一个人做出来的，这个人就是Thomas Whelan。这两个工作应该算KinectFusion之后影响力比较大的。

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

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

Kintinuous2.0重建效果：

ElasticFusion 重建效果：

三、ElasticReconstruction

项目官网：http://qianyi.info/scene.html

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

重建效果：

四、InfiniTAM

InfiniTAM提供Linux，iOS，Android平台版本，CPU可以实时重建。

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

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

重建效果：

五、DynamicFusion

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

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

重建效果：

六、BundleFusion

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

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

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

重建效果：

参考文献：
【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

基于图像的大规模场景三维重建(上)：https://www.leiphone.com/news/201711/9dxX6g30dlEoqvPZ.html
基于图像的大规模场景三维重建(下)：https://www.leiphone.com/news/201711/s6CHNAyjurPPyKiz.html

3D点云目标检测算法