我正在嘗試合併使用Lenovo Phab 2 Pro從對象的不同角度拍攝的點雲。我使用框架對COORDINATE_FRAME_START_OF_SERVICE作爲基準，並使用COORDINATE_FRAME_DEVICE作爲目標。然後，我使用與TangoSupport.getMatrixTransformAtTime()一起檢索的變換矩陣來轉換點雲，並使用與點雲相同的時間戳。然而，點雲不排隊不如我本來希望你可以在此圖像中看到：Google Tango - 合併不同角度的點雲？
我認爲這是由漂流設備正在經歷而周圍的物體移動造成的。有沒有辦法通過使用區域學習或類似的東西來最小化漂流？或者我應該嘗試以不同的方式合併點雲，例如ICP註冊？
首先我會嘗試使用區域學習。 在斯特姆的演講（2015年），他說的是一種錯誤的移動距離的< 1％， 參見第23頁： https://jsturm.de/publications/data/sturm2015_dagstuhl.pdf
其次似乎估計擺POSE更加準確收集一些特點： Project Tango onPoseAvailable() and getPoseAtTime() discrepancies
我建議開始測量場景，移動設備，以便可以很好地估計視覺慣性測距的範圍，並在一分鐘後開始測量測距圖像。 （一個按鈕工作很好）。最後用TangoSupport.getMatrixTransformAtTime（）來轉換所有內容。
我想ICP不會那麼好，因爲深度圖像相當小而且很嘈雜。我對開發平板電腦深度相機的精確度估計是1.5米距離處約2毫米，3米處距離約11毫米。
實際上，只有魚眼相機和IMU才能用於定位。 這意味着3D數據不用於本地化。 因此，校準錯誤可能導致不準確。 你可以找到calibration tutorial here。
提供視覺測距算法的框架到關鍵幀的漂移也可能導致您的對齊問題。實際上，對於掃描物體，我建議使用Structure，它提供了幀到模型跟蹤方法和更高分辨率的深度傳感器。