[论文解读] An Efficient Volumetric Mesh Representation for Real-time Scene Reconstruction using Spatial Hashing

Wei Dong, Jieqi Shi+3 more|arXiv (Cornell University)|Mar 11, 2018

Robotics and Sensor-Based Localization参考文献 13被引用 5

一句话总结

本文提出一种基于空间哈希的体网格表示方法，实现了高效、实时的场景重建，具有紧凑的内存占用和 O(1) 的顶点访问性能。通过将顶点嵌入体素边缘并利用汉明距离实现低成本的网格细化，该方法将内存消耗降低了高达 80%，同时保持实时性能并提升了三角形形状的一致性。

ABSTRACT

Mesh plays an indispensable role in dense real-time reconstruction essential in robotics. Efforts have been made to maintain flexible data structures for 3D data fusion, yet an efficient incremental framework specifically designed for online mesh storage and manipulation is missing. We propose a novel framework to compactly generate, update, and refine mesh for scene reconstruction upon a volumetric representation. Maintaining a spatial-hashed field of cubes, we distribute vertices with continuous value on discrete edges that support O(1) vertex accessing and forbid memory redundancy. By introducing Hamming distance in mesh refinement, we further improve the mesh quality regarding the triangle type consistency with a low cost. Lock-based and lock-free operations were applied to avoid thread conflicts in GPU parallel computation. Experiments demonstrate that the mesh memory consumption is significantly reduced while the running speed is kept in the online reconstruction process.

研究动机与目标

• 解决在线体素场景重建中缺乏高效增量式网格存储与操作框架的问题。
• 通过体素边缘与顶点的一对一映射，消除重复顶点，减少网格表示中的内存冗余。
• 利用 GPU 加速的空间哈希与无锁操作，实现并行化、实时的网格生成与更新。
• 通过基于汉明距离的低成本细化技术，提升三角形形状一致性，改善网格质量。
• 将网格处理流程无缝集成至现有的体素融合技术中，实现端到端的重建。

提出的方法

• 使用空间哈希的三维立方体网格（体素）来索引并直接将网格顶点存储在体素边缘，确保一一对应关系，消除顶点重复。
• 通过空间哈希实现 O(1) 的顶点访问，支持在增量重建过程中快速查找与更新。
• 在 GPU 内核中应用无锁与有锁操作，防止并行网格生成与更新过程中的线程冲突。
• 引入一种基于汉明距离的网格细化算法，用于规范化局部三角形拓扑，减少不规则形状与网格裂缝。
• 通过追踪顶点在内存中的生命周期来保持顶点的时间一致性，可视化为颜色持续时间图。
• 将网格处理流程与现有的 TSDF 基体素融合技术集成，支持在线网格提取与垃圾回收。

实验结果

研究问题

• RQ1 如何设计一种紧凑的、增量式的网格表示方法，以实现最小内存冗余的实时重建？
• RQ2 空间哈希能否在保持 GPU 并行效率的同时，实现 O(1) 的顶点访问？
• RQ3 基于汉明距离的网格细化对三角形形状一致性和视觉质量有何影响？
• RQ4 与基线网格生成方法相比，该方法在内存使用与运行时性能方面表现如何？
• RQ5 该网格表示能否保持时间一致性，并在噪声传感器数据下支持鲁棒的在线重建？

主要发现

• 与基线方法相比，该方法将网格内存消耗降低了高达 80%，在真实场景序列中顶点数量从约 58 万降至约 10 万。
• 在 Zhou/copyroom 数据集、3cm 分辨率下，每帧的平均网格化时间降至 3.71ms（本文方法）对比基线的 4.85ms。
• 细化步骤显著减少了视觉伪影，如“裂缝”和不规则三角形，该效果在模拟数据集（office1）和真实场景数据集（copyroom）中均得到验证。
• 该方法在所有数据集上均保持实时性能，平均帧时间低于 13ms，即使在高分辨率和长序列下亦然。
• 顶点的时间一致性得到有效可视化，寿命更长的顶点（暖色）表明其为稳定、持久的表面特征。
• 该框架支持在线网格提取与垃圾回收，实现与体素融合流水线的无缝集成。