ARKitでKinectの点群を表示してみた - Qiita
昨年(2017/12)Unityが32bitメッシュに対応したことで、Unityで点群を扱うのが簡単になりました。 これによりプラットフォームを跨いだ利用がしやすくなり、今回Kinect+Unityで撮影した点群を転送し、ARKit+Unityで表示しました。 ここでは主にどういった手法でARKitに実装したかをまとめています。 技術背景 Unity2017.3(2017/12)で32bit頂点(約4億頂点)に対応 これまでは16bit制限(65,535頂点)で分割して表示する手間があった 32bit対応によりKinectの点群をひとつのメッシュで表示可能となった KinectV2の画素数: 512x424=217,088 動画 俯瞰図 図のようにKinectで撮影した点群をWebSocketで転送し、ARKitのImageTrackingで表示しています。 ハードウェア KinectV2
一発でわかる Iterative Closest Point のコンセプト図解 - Predator's Vision
2つの点群を重ね合わせる手法にICP (Iterative Closest Point) というものがあります。 1992年に発表されてから、現在に至るまであらゆる派生手法が提案されています。 ベーシックなICPの仕組みは一言で言うと「近傍点との距離の最小化を繰り返す」です。これを動画で示すと次の通りです。ちょっとずつ2つの点群の間が縮まって、最後的にぴったり合わせられるわけです。 ICPの注意点として、「初期位置合わせが必要」ということが挙げられます。言い換えると「2つの点群はある程度近い位置に配置されていないといけない」ということです。もし、初期位置合わせがされていなければ、下記の動画のように変な結果に終わってしまいます。（オレンジの破線が正しい点の対応関係を表す） 適切な初期位置合わせ＋ICPで例えば次の画像のように2つの3D点群をピタッと合わせられます。 点群1 点群2 ICP結果
【シリーズ「PCLを触ってみよう!」第一回】3D点群処理ライブラリ「Point Cloud... | DERiVE コンピュータビジョン ブログ
このサイトについて DERiVEはコンピュータビジョン、画像認識が専門のMasaki Hayashiがお送りしている、コンピュータビジョン(Computer Vision)を中心としたITエンジニア、研究向けのブログです。※「DERiVE メルマガ別館」は2015/9月で廃刊致しました、 「PCLを触ってみよう！」と題してPoint Cloud Library（PCL）という、フリーでオープンソースの3Dポイントクラウド(点群)データ処理をまとめたライブラリについて、シリーズで紹介していきたいと思います。 PCL - Point Cloud Libary http://pointclouds.org/ 私の研究室で使う人が出てきそうなので最近本格的にPCLを触り始めているのでこのブログでも紹介できるという流れではあるのですが、そもそもPCLはこの後述べるようにKinectの登場で要注目のラ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
