paper link:?paperlink

Abstract: 這個數據集是個RGB-D視頻數據集，在707個不同空間中獲取了1513個掃描的場景，250w個視圖，并且標注了相機位姿，表面重建，語義分割。本數據集共有20人掃描+500名工作者進行標注。

數據集獲取框架

硬件設備： 使用Structure Sensor + ipad Air 2 進行收集，RGB 1296*968， Depth 640*480，默認啟用白平衡+自動曝光。

相機校準：可以使用Srructure Sensor的Calibrate 軟件進行校準。得到深度相機和彩色相機的關系。

用戶界面：創建了ScannerApp進行數據集的采集，（但目前已經很久沒更新了，sdk里有些類已經棄用了）

存儲：128GB可以存儲數小時的拍攝場景，用戶可以隨時點擊“上傳”按鈕將掃描數據上傳到處理服務器。

表面重建： BundleFusion 進行重建，1cm的?voxel resolution，VoxelHashing(?通過 VoxelHashing 實現體素融合 (Volumetric Integration))，marching cubes 在分辨率為4mm *4mm *4mm的voxel下進行高分辨率網格提取。對網格進行自動清理和簡化（合并距離較近的頂點，刪除重復的網格面和孤立的網格部分，對網格進行多分辨率的下采樣，生成高中低分辨率的網格模型）

• 使用 BundleFusion 計算每幀掃描數據的位姿。
• 使用 VoxelHashing 構建 TSDF 表達的全局稠密體素網格。
• 使用 Marching Cubes 提取高分辨率的三角網格。
• 對網格進行清理、去噪和下采樣，生成高、中、低分辨率的版本。

方向：自動將所有相機姿態對齊到一個共同的坐標系中，Z軸向上向量，xy平面和地面對齊。

驗證：會自動丟棄較短、殘差重建誤差較大或對齊幀百分比較低的掃描序列。然后，也會手動檢查并丟棄存在明顯錯位的重建。

準備復現一下，上述的效果，如果效果好，我再繼續寫

Semantic Annotation

總包。。待續