[论文解读] 3DUNDERWORLD-SLS: An Open-Source Structured-Light Scanning System for Rapid Geometry Acquisition

Gu, Qing, Kyriakos Herakleous+1 more|arXiv (Cornell University)|Jun 25, 2014

3D Surveying and Cultural Heritage被引用 26

一句话总结

本文提出 3DUNDERWORLD-SLS，一种开源的结构光扫描系统，利用低成本硬件实现快速、精确的 3D 几何采集。它通过 GPU 加速解码格雷码图案，并采用基于动态位集的并行处理，实现实时重建，性能相比纯 CPU 实现提升超过 10 倍。

ABSTRACT

Recently, there has been an increase in the demand of virtual 3D objects representing real-life objects. A plethora of methods and systems have already been proposed for the acquisition of the geometry of real-life objects ranging from those which employ active sensor technology, passive sensor technology or a combination of various techniques. In this paper we present the development of a 3D scanning system which is based on the principle of structured-light, without having particular requirements for specialized equipment. We discuss the intrinsic details and inherent difficulties of structured-light scanning techniques and present our solutions. Finally, we introduce our open-source scanning software system "3DUNDERWORLD-SLS" which implements the proposed techniques both in CPU and GPU. We have performed extensive testing with a wide range of models and report the results. Furthermore, we present a comprehensive evaluation of the system and a comparison with a high-end commercial 3D scanner.

研究动机与目标

• 解决现有结构光扫描（SLS）系统缺乏全面文档和实用实现细节的问题。
• 开发一种成本低廉、开源的 SLS 系统，在无需专用或昂贵设备的情况下实现高精度。
• 通过优化 CPU 和 GPU 的图案解码与点云重建实现方式，实现 3D 几何的实时采集。
• 提供一个完全可扩展、可维护的软件堆栈，采用 CMake 和模块化 C++ 设计，便于集成到其他应用中。

提出的方法

• 系统使用投影仪将编码的格雷码图案投射到目标物体上，同时一个或多个相机捕获变形的图案。
• 通过位操作解码每个像素的唯一图案，利用三角测量确定其对应的 3D 位置。
• GPU 优化的动态位集数据结构支持多线程对图案数据的并发、无竞争访问。
• 系统使用原子操作，将相机像素数据安全地插入由投影仪像素坐标索引的 GPU 分配桶中。
• 重建流水线包括相机-投影仪标定、图像去畸变、图案解码和 3D 点云生成。
• 最终的点云通过标准表面重建技术转换为网格，支持 CPU 和 GPU 执行路径。

实验结果

研究问题

• RQ1 如何仅使用现成硬件组件高效且准确地实现结构光扫描？
• RQ2 在现有 SLS 系统中常被忽视的图案编码、解码和平行化实现关键挑战是什么？
• RQ3 在不牺牲精度的前提下，GPU 加速能在多大程度上提升 SLS 重建的性能？
• RQ4 在实际场景中，开源 SLS 系统的性能和精度与高端商用扫描仪相比如何？

主要发现

• 3DUNDERWORLD-SLS 的 GPU 加速版本（v4）在 Alexander 数据集上的重建时间为 12.94 秒，而 CPU 版本为 29.67 秒，实现了 2.3 倍的加速。
• 由于优化的 GPU 内存访问和并行处理，系统相比以往纯 CPU 版本实现了至少两个数量级的性能提升。
• 使用原子操作进行 GPU 桶插入，最小化了序列化开销，保持了高并发性和性能可扩展性。
• 系统实现了与商用扫描仪相当的高重建精度，通过在多种 3D 模型上进行的广泛测试得到验证。
• 基于 CMake 的模块化软件架构支持无缝集成到其他应用中，并同时支持 CPU 和 GPU 执行路径。
• GPU 上的动态位集实现确保了线程安全，通过为每个线程分配独占内存访问，消除了图案解码过程中的竞争条件。