單個
kinect
的人體重建，在
kinect sdk 1.8
中，kinect fusion
的效果已經很不錯了。其缺點顯而易見，一是掃瞄時間長，重建物件也需要長時間保持靜態；二是需要人體或者
kinect
轉動以實現全方位掃瞄，操作起來繁瑣。而運用三個
kinect
來進行人體重建，只需要將三個
kinect
按照一定方位（比如兩兩相距
120°
角度）固定位置，人體即使不動也能實現對人體的全身掃瞄，相比之下時間花銷短。
基於三個
kinect
的人體重建，首先要對三個
kinect
相機進行標定，得到相機內外引數。這樣每個相機看到空間一點的座標是一致的，三個相機座標系得以統一。標定方法是兩兩標定，即取某一
kinect
相機（記為
a）為參考，其他兩個（記為b、
c）分別與
a標定，得到兩組相機引數。這裡，我是用的
matlab
0.9949 -0.0196 0.0991
0.0235 0.9990 -0.0384
-0.0983 0.0405 0.9943
平移向量t為：
-280.5068 2.5255 -25.4387
由標定結果可以看出，r矩陣接近於單位矩陣，表明兩相機位置上是基本平行的。平移向量中-280.5068表示兩相機x方向距離為28cm，而x方向的實際距離為26~27cm，這說明標定精度還是比較可靠的。
標定之後可以得到兩組相機引數（旋轉矩陣和平移向量），這在之後的點雲拼接中會有用。
點雲獲取
通過sdk中內建的轉換函式，將由kinect獲取到的深度影象轉換為點雲資料，並儲存。如下圖所示為乙個角度獲取的點雲。
點雲處理
由於點雲的資料量非常龐大，並且存在著冗餘資料和雜訊干擾，增加了計算複雜度。因此在點雲拼接之前需要預先對點雲進行處理。這其中的關鍵問題是提取點雲資料中能反映曲面特徵的點，精簡資料並且去除雜訊，提高重建的精度和效率。去噪方法是聯合雙邊濾波演算法
點雲拼接
三維點雲拼接實質是將不同座標系下得到的資料點雲進行座標變換，通過兩片或多片資料點雲中找出正確的排列關係，拼接成一片完整的資料點雲。其中的關鍵問題就是利用旋轉矩陣和平移矩陣，通過icp演算法對點雲進行配準。
《MSP 架構是基於三個核心概念》
1 msp 原則 外環 來自從積極的和消極的結果中學習到的經驗教訓。他們代表了支撐 任何轉型變革專案群的成功的共同因素。2 msp 治理主題 第二環 乙個組織級的方法，應對專案群管理需要的定義 測量以及控制。治理主題讓組織落地正確的領導力 交付團隊 健全的組織結構 控制以及控制資訊 例如 藍圖 商業...
90 的人，都問過我這三個創業問題
各位村民大家好，我是村長。創業的話題永恆不變，經常有村民問我以下三個問題 1 村長我想創業，怎麼選方向?2 村長我想加盟，如何判斷是否靠譜 3 關於創業，你有什麼其他的忠告 村長的職業生涯90 以上都是在創業公司，也作為合夥人參與兩家公司近億元的融資。所以關於創業這個話題感觸頗深，一開始就得強調兩點...
基於OOSE方法的第三個專案實踐
1 2014年2月11日完成相關需求說明書的確認工作。最近完成了基於oose方法的第三個專案實踐，對用例建模又有了更加深入的體會.1 基於物件建模的方法來進行用例建模 通常在用例建模的時候，要保持合適的尺度，不能太多，也不要太小，如何保持這種尺度，通常沒有乙個固定的方法，這也是大家普遍不願意應用這種...