我认为kinect标准使用方法是将此设备置于某个固定位置并让它进行计算，例如跟踪一个在前面移动的人。
但我的用例不同。我需要做的是改变参考框架 - 将kinect连接到头部并开始在房间周围移动。然后我需要计算它在房间内的位置（我已将房间映射到内存中）。
因此，跟踪现在应该基于当前设备位置本身及其与房间墙壁，地板和天花板的关系。据我所知，kinect应该能够反射来自墙壁的光线并给出deph - 我当前与墙壁之间的距离等等。如果有可能实现，我需要获得一些信息。
你能否为我提供一些建设性的参考资料，我可以更深入地研究这个主题，以便能够开始实现所需的行为呢？
答案 0 :(得分：1)
我建议您查看有关基于图像的室内本地化的研究文章，以了解有关此内容的更多信息。基础知识是：您有一组训练数据（房间的3D模型），并且您想要查看在哪种情况下（=在哪个物理位置），输入数据更符合您的模型。
在这种情况下，有两件重要的事情需要考虑：
考虑到您已经知道用户在上一帧中的位置，用户在新框架中可能有哪些新位置？这很重要，因为您不希望像蛮力一样测试每种可能的场景（想象一下计算机必须生成多少x，y，z和头部角度）。例如，您只能根据用户之前已知的位置将半径10厘米和10度旋转视为所有可能的新位置。您可以想到更智能的解决方案（例如，基于用户速度和移动方向）。
测试这些不同场景与3D模型的一致性。这需要一个从可能的解决方案的角度获取现实世界的3D模型的功能，以及相机的输入，然后告诉您这两者作为数字（或数字组）的差异。因此，如果您可以针对相机输入针对每个可能的位置运行此功能，则具有最小结果（最小差异）的位置是用户的最可能位置。现在，有许多这些功能。我会推荐SAD（绝对差值之和），因为我已经看到它在类似的项目中使用，而且非常简单。为了更加复杂，请查看基于特征的图像比较。