HVOFusion: Incremental Mesh Reconstruction Using Hybrid Voxel Octree

增量式场景重建对于机器人导航至关重要。传统方法通常使用截断有符号距离函数（TSDF）体积或神经网络来隐式地表示表面。由于体素表示或涉及耗时的采样，它们很难平衡速度、存储空间和表面质量。在本文中，我们提出了一种新颖的混合体素八叉树方法，将八叉树与体素结构有效地融合，以便我们可以利用隐式表面和显式三角网格表示的优势。这种稀疏结构保留叶节点中的三角面，并逐步生成部分网格以进行增量重建。这种存储方案允许我们在显式三维空间中自然地优化网格，以实现更高的表面质量。我们迭代地将网格向目标方向变形，并通过优化着色模型来恢复顶点颜色。在几个数据集上的实验结果表明，我们提出的方法能够快速而准确地重建具有逼真颜色的场景。

论文旨在解决机器人导航中的增量场景重建问题，传统方法在速度、内存存储和表面质量方面难以平衡。

论文提出了一种新的混合体素-八叉树方法，将八叉树与体素结构相结合，以同时利用隐式表面和显式三角网格表示，从而实现增量重建。

该方法能够快速、准确地重建具有逼真颜色的场景，并且能够在显式三维空间中自然地优化网格以实现更高的表面质量。

在这个领域中，最近的相关研究包括使用TSDF体积或神经网络进行场景重建的方法。