这种增量网格方法不仅可以为前端的AR效果提供在线密集的3D表面重建，还可以确保将网格生成在后端CPU模块上的实时性能。这对于以前的在线3D重建系统来说是有难度的。本文提出了带有单眼相机的实时 实时三维重建与SLAM技术有很大的关联性，不同之处在于三维重建更加关注建图的完整性和精度，适用场景一般很小，而SLAM技术更加关注定位精度，可用于室外大场景环境。除此之外二者计算位姿的方法也
使用Kinect或Xtion等低成本商品传感器进行实时3D重建已成功应用于增强现实，机器人遥操作和医疗诊断等广泛领域。由于静态场景的假设，诸如KinectFusion、KinFu等流行的3D重建技术，发现1. 使用AzureKinect DK作为传感器扫描周围环境；2. 实时定位相机当前位置；3. 实时生成环境3d点云，带法向；4. 点云可离线处理生成mesh,纹理贴图；KinectToFRGBD三
到那个时候，可能会出现沉浸交互的生活消费场景，人们可以在基于实景三维重建的虚拟空间里社交、购物；城市规划可以实时获取道路、交通、天气等各种数据，全要素实时感知、互联控制TSDF(Truncated Signed Distance Function)是实时3D重建经典算法，简单可并行，极大推动了实时三维重建的发展。TSDF是SDF的改进，讲取值限制在[-1,1]之间，同时仅在物体表面的限定的距
主要参考这篇综述：【State of the Art on 3D Reconstruction with RGB-D Cameras】这篇报告阐述了基于RGB-D的场景三维重建在算法概念和不同应用场景方面的最新发展，例如静态场景重3D场景重建是计算机视觉中常见的问题之一，目的是根据一组或多组图像推测出场景的三维几何结构和纹理信息。研究3D场景重建技术对于增强人类对于物理世界的认识有着重要意义，也
＼ ＿ ／ 因此，我们提出了第一个3D版本的搬运器，包括混合3D表示、交叉注意力机制和隐式重建方法。我们将这种新的表达方式应用于3D铰接物体(刚性物体)和动物(人类和啮齿动物，非刚作者提出了R3D3,一种用于密集3D重建和自我运动估计的多摄像头系统，通过迭代地结合多摄像头的几何估计和单目深度细化来实现一致的密集三维模型。将感知输入转化为环境的密集三维模
