分享之前写的关于深度相机和三维重建的技术文档。

做个摘要，并加上链接，方便查阅。

一.关于RGBD相机

1. 深度相机（RGBD相机）

深度相机（又称 3D 相机 / RGBD 相机）是能实时获取场景深度（Depth）信息的传感器，它输出的“深度图”本质上是一个距离矩阵。与传统 2D 相机仅捕获颜色不同，它通过主动 / 被动测距技术为每个像素赋予毫米级距离值，生成 “RGB 图像 + D深度图”，可构建场景 3D 点云，核心解决 “物体空间位置与几何结构感知” 难题。核心解决 “物空间位置与几何结构感知” 难题，可以精确重构场景的三维几何结构，广泛用于机器人导航、三维重建、人机交互等领域。

2. 知名消费级深度相机产品

以下是目前市面上主流的几种消费级深度相机方案和代表产品：

RGBD相机在开发过程中遇到的一般问题，我总结了一个文档，

RGBD相机实用问题，

内容是关于深度图像格式存储、查看，相机模型内参和外参的几何意义，测量精度和深度点云平面拟合示例等内容。

二.关于点云拼接

利用深度相机获取三维点云后，之后的步骤往往是进行三维重建。

其中ICP算法是最基础的算法，目的是估计点云之间的外参并进行拼接，

这是我在奥比开发者论坛上写的技术文档：

1.两帧点云刚性配准的ICP算法：

https://developer.orbbec.com.cn/v/forum_detail/1521

2.多帧点云拼接的全局ICP算法【附Matlab代码链接】

https://developer.orbbec.com.cn/v/forum_detail?id=1462

如果带法线的点云，拼接完毕后放在一个坐标系中，如果噪声足够小，

可以直接调用泊松重建进行三维表面重建，得到物体表面的三维网格表示。

整个三维重建流程还包括：点云去噪，网格修补，纹理贴图等算法，说起来也是一言难尽。

三.关于纹理展开或称网格参数化

前些年学习过的三维网格参数化算法，之前做过一些笔记，现在借助AI工具进行完善。

1.三维网格纹理参数化的谱共形方法：

https://zhuanlan.zhihu.com/p/1981727251847464122

将三维三角网格映射到平面参数域，本质是狄利克雷能量最小化问题，通过求解拉普拉斯矩阵（以余切权为主）的齐次方程实现，谱方法需结合瑞利商最小化求解特征向量（费德勒向量）。拉普拉斯矩阵是对称半正定矩阵，零空间由常数向量张成；可加入面积最大化约束构造新矩阵，或引入边界点矩阵优化边界行为，均通过 MATLAB 的eigs函数求解特征向量获取参数化坐标。与 LSCM 等方法类似，无法完全避免局部网格的覆盖和翻折问题，可用于三维人脸等模型的纹理展开。

2.用极简例子讲解刘利刚团队的ASAP三维网格展开方法：

https://zhuanlan.zhihu.com/p/1970834054376068771

我用一个四面体三面壳的简单三维网格为例子，讲解ASAP原方法中局部和全局两个步骤的迭代收敛过程。局部三角面片刚体映射把空间三角形投影到平面上，全局坐标求解步骤还是求解一个泊松方程组，使网格展开尽可能保角或共形。