Geometry 将一系列深度贴图和x、y、z、θ值转换为三维模型

我有一个四旋翼，它绕着它飞行，知道它的x，y，z位置和沿x，y，z轴的角位移。它捕获恒定的图像流，这些图像被转换为深度贴图（我们可以估计每个像素和相机之间的距离）

如何编写一种算法，将这些信息转换为环境的三维模型？也就是说，我们如何根据这些信息生成虚拟3D地图

示例：下面的图片说明了quadrotor捕获的内容（顶部）以及将图像转换为什么以输入3D映射算法（底部）

让我们假设这张图像是从一台相机上拍摄的，它的x、y、z坐标（10、5、1）以某些单位表示，x、y、z轴的角位移为90、0、0度。我想做的是把一堆照片坐标元组转换成一张该地区的3D地图

在7/30编辑1:一个明显的解决方案是使用四旋翼wrt与距离贴图的x、y和z轴的角度来计算任何障碍物的笛卡尔坐标。我想我可能会写一个算法，使用这种方法和概率方法来制作一个粗略的3D地图，可能会对它进行矢量化以使其更快

---

但是，我想知道是否有任何根本不同的、希望更快的方法来解决这个问题？

只需将数据转换为笛卡尔坐标并存储结果。。。如您所知，输入数据的拓扑（数据点之间的空间关系）可以直接映射到网格/曲面，而不是PCL（需要三角剖分或凸包等）

您的图像表明您已经知道拓扑（相邻像素在3D中也是相邻的…），因此您可以直接构建网格3D曲面：

对齐RGB和深度2D贴图。

如果尚未完成，请参见：

转换为笛卡尔坐标系。

首先，我们计算每个像素在摄影机局部空间中的位置：

因此，在RGB贴图中的每个像素

（x，y）

，我们找出到相机焦点的深度距离，并计算相对于相机焦点的3D位置。为此，我们可以使用三角形相似性，因此：

 x = camera_focus.x + (pixel.x-camera_focus.x)*depth(pixel.x,pixel.y)/focal_length
 y = camera_focus.y + (pixel.y-camera_focus.y)*depth(pixel.x,pixel.y)/focal_length
 z = camera_focus.z +                          depth(pixel.x,pixel.y)

其中，

像素

为像素2D位置，

深度（x，y）

为相应深度，

焦距=znear

为固定摄像机参数（确定视野）。

摄像机的焦点是摄像机的焦点位置。通常相机焦点在相机图像的中间，而 Znime/COD>远离图像（投影平面）。

由于这是从移动设备上获取的，所以需要将其转换为全局坐标系（使用相机在空间中的位置和方向）。这是最好的：

构造网格

由于您的输入数据已经在空间上进行了排序，我们可以直接构建四边形网格。对于每个像素，只需取其邻域并形成四边形。因此，如果您的数据中的2D位置

（x，y）

转换为3D

（x，y，z）

，我们可以以返回3D位置的函数形式编写iot：

(x,y,z) = 3D(x,y)

然后我可以像这样形成四边形：

QUAD( 3D(x,y),3D(x+1,y),3D(x+1,y+1),3D(x,y+1) )

我们可以使用for循环：

for (x=0;x<xs-1;x++)
 for (y=0;y<ys-1;y++)
  QUAD( 3D(x,y),3D(x+1,y),3D(x+1,y+1),3D(x,y+1) )

---

<代码> >（x＝0；席）已添加了请求的信息。请您详细说明映射到网格/表面的句子。谢谢SpktRe。1个快速问题：什么是“输入数据的拓扑结构”？请将您的评论转换成答案，以便我接受它。我将评论转换为答案。