基于SFM的三维重建点云合并及位移测量
参考文档：
[1]https://blog.csdn.net/baoshuowl/article/details/80373591?biz_id=102&utm_term=vmware%20UBANTU&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduweb~default-1-80373591&spm=1018.2118.3001.4187
[2] https://blog.csdn.net/abccc250110119/article/details/93471816
[3] https://www.cnblogs.com/21207-iHome/p/6034792.html
目录
- Ubantu虚拟机的安装
- SFM、CMVS-PMVS及其环境的安装
- 相片拍摄调制与点云形成
- 点云文件的合并与保存
- 任意两点的距离量测
Ubantu虚拟机的安装
在官网下载vmware workstation windows最新版并安装
在官网下载Ubantu合适版本的ISO镜像，这里用的是16.04.3
打开vmware主页，点击“创建新的虚拟机”
选择“典型”
浏览并选择已经下载好的Ubantu系统镜像
输入一些个人与安装信息并确认
完成后便可以打开虚拟机了
启动虚拟机后，会出现以下界面，左侧选择我们想安装的语言，右边选择安装Ubuntu
选择为图形或无线硬件，不要选择安装Ubuntu时下载更新，否则会先下载，速度很慢
选择其他选项，这样就可以自己创建、调整分区
然后选择创建新分区表，这时候会出现一个21474MB大小空闲的设备
进行分区，分区之后如下图
分区之后，在下面选择/boot分区，也就是选择/dev/sda6，这样就设置了安装启动引导其的设备，进行安装，或许有的小伙伴看不到下面的按钮，可以按这ALT然后鼠标拖动从窗口
点击现在安装之后会弹出下面的窗口，点击继续即可
之后会出现以下界面，选择时区Shanghai
选择键盘布局，选择左侧的汉语，然后选择右侧的汉语
接下来设置系统用户，和密码，密码为登陆系统的密码，要牢记
点击继续，就会进入到安装系统的界面了，只需等待
SFM、CMVS-PMVS及其环境的安装
- 在Ubantu系统中按住CTRL+alt+T调出终端
- 在linux终端输入：
git clone https://github.com/snavely/bundler_sfm.git
git clone https://github.com/pmoulon/CMVS-PMVS.git
若没有安装git，则按照终端的提示输入指令安装git - 安装bundler相关依赖：
sudo apt-get install liblapack-dev libblas-dev minpack-dev f2c gfortran jhead imagemagick - 在 http://www.cs.ubc.ca/~lowe/keypoints/ 下载SIFT。（因为bundler需要SIFT进行特征提取）
- 安装SIFT依赖：
sudo apt-get install libc6-dev-i386 - 安装CMVS/PMVS依赖：
sudo apt-get install libgtk2.0-dev libdevil-dev libboost-all-dev libatlas-cpp-0.6-dev libatlas-dev libcminpack-dev libgfortran3 libmetis-edf-dev libparmetis-dev freeglut3-dev libgsl0-dev - 进入Makefile文件所在的目录：
cd /你自己的安装目录/bundler_sfm/
编译 ：make - 将下载好的SIFT解压，进入文件夹中编译：
make - 将sift可执行文件拷贝到bundler_sfm下的bin目录下
- 将jhead文件拷贝到bundler_sfm下的bin目录下：
sudo cp /usr/bin/jhead bin/ - 生成libANN_char.so：
cd bundler_sfm -master
make - 将bundler_sfm/bin/目录下生成的libANN_char.so文件拷贝到系统库：
sudo cp bin/libANN_char.so /usr/lib/ - 接下来对CMVS-PMVS进行编译，使用cd命令进入到CMVS-PMVS/program/下，然后依次执行以下命令：
mkdir build && cd build
cmake ..
make - 执行完成后，CMVS-PMVS也就编译完成了，生成的可执行文件位于build目录下的main目录中。将生成的可执行文件cmvs、genOption、pmvs2这三个文件拷贝到bundler_sfm目录的bin下。
相片拍摄调制与点云形成
位移前图像进行三个角度的多张图片拍摄，并将其称为1-1，1-2，1-3
利用“光影魔术手”软件将图片的分辨率改为640*480的同时保存EXIF信息
位移后的图像也进行同样的拍照操作，并将其称为2-1，2-2，2-3
查看bin目录下extract_focal.pl配置文件中有没有自己所用相机的CCD宽度或CMOS宽度信息，若没有，在网上查找并写入进去，如：
在虚拟机中bundler_sfm/example文件夹下新建peach_1文件夹，将图片集1-1复制到文件夹中
在终端中使用cd命令进入到peach_1文件夹下，然后执行以下命令
../../RunBundler.sh最终会生成很多的结果文件，其中bundler文件夹下的bundler.out中存储了重建的稀疏点3D坐标和相机参数。
接下来我们就可以利用PMVS进行稠密点云的重建了，在这之前需要将Bundler的输出转换为CMVS-PMVS的输入格式。利用bin下的Bundle2PMVS即可完成这一过程。
../../bin/Bundle2PMVS prepare/list.txt bundle/bundle.out此时会生成pmvs目录，在此目录下有prep_pmvs.sh文件，编辑此文件，将里边的BUNDLER_BIN_PATH修改为bundler的bin文件夹的实际路径。
BUNDLER_BIN_PATH="/你自己的路径/bundler_sfm/bin然后依次执行如下操作：
sh pmvs/prep_pmvs.sh
（在这一步出现了报错“unexcepted operator”,可修改sh默认连接到bash：sudo dpkg-reconfigure dash，解决报错）
../../bin/cmvs pmvs/
../../bin/genOption pmvs/
../../bin/pmvs2 pmvs/ option-0000
生成的最终结果位于pmvs目录的models 文件夹下，名称为option-0000.ply对6个图片序列分别进行如上操作得到点云
点云文件的合并与保存
回到windows系统中，在官网上下载meshlab最新版并安装
运用meshlab打开1-1，1-2，1-3的点云
点击Align开始配准
在右边的tool栏中选择基准点云，并点击Glue Here Mesh，选择好之后点云名字前面会出现一个星号。
然后选择另一块点云，点击Point Based Glueing，这时弹出一个窗口，在两块点云上手动选择匹配点，至少选4对点之后点OK确认。双击鼠标左键进行选择，按住Ctrl双击左键消除选择。
之后会发现，两块点云基本上重合在了一起，并且第二块点云名字前也出现了一个星号。初始配准之后，我们将进行ICP配准，注意Param ICP Default中的默认参数，根据需要进行修改。如果我们的两块点云大小相同，那么就要勾选Rigid matching选型。如果我们不勾选，那最终的变换矩阵中将会有一个缩放因子。
点击Process之后软件开始自动计算，然后按照上述步骤再次合并第3幅点云
对任意一个点云图层右键并点击Flatten Visible Layers,选择1,3,4并apply
按住ctrl+s保存合并的点云
对2-1，2-2，2-3也采取上述操作进行合并，以下是合并的点云图片
再对上面两幅合并的点云进行合并操作
任意两点的距离量测
采用measure工具量取标准距离，两个黄色标识之间的实际距离为10cm，测量距离为0.412087
桃子的位移测量距离为0.916609，算的实际距离为10*0.916609/0.412087=22.24cm
实际桃子的位移距离约为22~23cm，这此方法对于位移测量是值得参考的
基于SFM的三维重建点云合并及位移测量相关推荐
- matlab 光度 三维重构 code,基于matlab的三维点云数据三维重建
基于matlab的三维点云数据三维重建,通过快速构建三角网,实现三维模型的建立,并提供实例数据用于实验. 三维重建的英文术语名称是3D Reconstruction. 三维重建是指对三维物体建立适合计 ...
- 基于VisualSFM的三维重建（一）
第一章绪论 1.1.项目背景与目的 三维重建一直是计算机视觉的热点研究领域,是获取物体模型及三维场景的重要手段.人们获取物体三维信息的方法有很多种,比如传统的几何造型技术,此方法需要较好的专业水平和大 ...
- 基于图像的三维重建——基于空间patch扩散的方法(PMVS)
1.PMVS:多视图匹配经典算法简介 导语:常见的稠密重建方法主要有三种:基于体素的方法.基于深度图融合的方法以及基于3D patch扩张的方法.第一种基于体素的方法仅适用于小场景,单个物体,遮挡较少 ...
- 基于MVS的三维重建算法学习笔记（一）— MVS三维重建概述与OpenMVS开源框架配置
基于MVS的三维重建算法学习笔记(一)- MVS三维重建概述与OpenMVS开源框架配置 声明 1. MVS(Multi-view stereo)概述 稀疏重建与稠密重建的区别 稀疏重建--SFM(S ...
- 视频+课件| PointDSC：基于特征匹配的点云配准方法（CVPR2021）
写在前面 感谢「3D视觉从入门到精通」知识星球嘉宾白旭阳博士为我们带来的主题为PointDSC:基于特征匹配的点云配准方法(CVPR2021)视频讲解,星球成员可免费观看学习.备注:白旭阳,香港科技大 ...
- 重磅直播 | PointDSC：基于特征匹配的点云配准方法（CVPR2021）
大家好,本公众号现已开启线上视频公开课,主讲人通过B站直播间,对3D视觉领域相关知识点进行讲解,并在微信群内完成答疑. 本期由香港科技大学计算机系白旭阳博士分享,分享的主题为<基于特征匹配的鲁棒 ...
- 基于深度学习的点云配准Benchmark
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨千百度@知乎 来源丨https://zhuanlan.zhihu.com/p/289620126 ...
- 基于八叉树的区域增长点云分割算法
基于八叉树的区域增长点云分割算法 1. 提出问题 激光雷达探测到城市环境的物体表面构成三维几何点,相应的点云分割技术常用于建筑物重建.由于建筑物的复杂性,数据分割计算量很大,传统的点云分割方法需人工干 ...
- 基于MVS的三维重建算法学习笔记（二）— 立体视觉的几何基础总结
基于MVS的三维重建算法学习笔记(二)- 立体视觉的几何基础总结 声明 概述 1. 常见三维数据类型 2. 三维形状的几种表达形式 3. 三维空间刚体运动 4. 李群和李代数 5. 相机标定 6. 非 ...
最新文章
- 计算机组装cpu用哪种好,教你电脑处理器哪款好
- 《Javascript高级程序设计》读书笔记之对象创建
- 操作系统（二）操作系统的四个特征
- THANATOS数据库（自噬调节相关蛋白及其翻译后修饰信息数据库）使用指南
- ffmpeg个人翻译文档1-8转
- python中库是什么意思_python的库是什么意思
- 委内瑞拉通胀这么厉害，为什么有钱人不去圈地、买房？
- Mybatis 插入时获取主键的方式
- 向量除法能用计算机吗,为什么向量没有除法
- php选择排序从大到小,PHP选择排序
- Bash学习系列---第2/3部分
- failed building wheel for termcolor_【零基础学Python】For循环和RANGE()函数
- Rust : chrono库，DateTime、FixedOffset等
- beanshell断言_jmeter BeanShell断言（一）
- Meshlab快捷键与菜单功能翻译
- U盘数据恢复免费破解版哪里有？
- matlab编程999玫瑰花,网上收到的用matlab画玫瑰花的代码怎么不行啊，报告错误，求大神...
- easyExcel合并单元格策略
- ASP模式的机械产品分布式协同设计的研究
- 《23种设计模式之原型模式（2种实现）》