關(guān)于VisualSfM的更多內(nèi)容

組合多個模型(What if VisualSFM produces multiple models?)：

按照上述步驟進行稀疏重建后，理論上可以得到很好的模型。如果結(jié)果產(chǎn)生了多個模型，要想把多個模型合成成一個，點擊菜單中的“SfM->More Functions->Merge Sparse Models”。log信息中會提示你各個模型中有多少共享的特征點，如果特征點數(shù)量小于程序默認(rèn)的最小值，則不會進行模型融合。編輯VisualSfM路徑下的nv.ini文件，可以修改程序要求的最小值“param_model_merge_min_matches ”(默認(rèn)是100)，把該參數(shù)改成小于模型間共享特征點數(shù)量的一個數(shù)(不宜小于10)，再執(zhí)行“SfM->More Functions->Merge Sparse Models”應(yīng)該就可以融合有共享特征的模型了。如果模型之間一個共享特征都沒有，那就只能從頭來了。

稠密重建(Dense reconstruction)：

在稀疏重建結(jié)束后，點擊CMVS可以對模型進行稠密重建。CMVS會對樣本進行聚類，再根據(jù)每一個聚類生成一個ply模型文件，生成時間較長，需要耐心等待。

中國農(nóng)業(yè)大學(xué)東校區(qū)體育館的稠密重建示例如下：

中國農(nóng)業(yè)大學(xué)工學(xué)院的稠密重建示例如下：

輸出格式(The output format: N-View Match (NVM) & PLY)：

NVM

理解NVM文件最簡單的方法就是用TXT文本文件或Sublime Text打開，就可以直觀的看到其組織方式。

“

NVM_V3

2

et007.jpg? ? 660.197875977 0.998820995653 0.0275106001103 -0.0259087505623 0.0304716951484 0 0 0 0 0

et008.jpg? ? 660.197875977 0.160476730087 -0.112869970691 -0.125560022607 -0.972492485698 -0.380315317109 -0.867596366593 0.320369513256 0 0

1111

-0.16864857602 0.290092727826 3.09711024403 231 201 214 2 0 0 -72.4277801514 22.055480957 1 3 158.19152832 -77.7308959961

…………

”

2代表2張照片，即下面2行，每一行是一個照片的參數(shù)。參數(shù)按空格分割依次是 0

然后1111代表有1111個點，每一行是一個點的信息，參數(shù)按空格分割依次是

一般我們只關(guān)心XYZ和RGB，取前6維數(shù)據(jù)即可。

util.h文件提供了C++版本的nvm文件解析方法。我自己用python寫了一個。其實就是按行解析，每一行以空格' '作為分隔符，就可以得到如下文件，因為pandas存儲CSV是無序的，所以列沒有按順序保存。

其中dataframe是每一張照片對應(yīng)的相機參數(shù)，坐標(biāo)(XYZ)和四元數(shù)(WPQR)如下：

point_dataframe是點云文件，每一行對應(yīng)一個點的顏色(RGB)和坐標(biāo)(XYZ)如下：

PLY

是一種電腦檔案格式，全名為多邊形檔案(Polygon File Format)或斯坦福三角形檔案(Stanford Triangle Format)。

稠密重建的結(jié)果會保存成PLY文件格式。它的具體格式如下：

“

ply

format ascii 1.0

element vertex 257684

property float x

property float y

property float z

property float nx

property float ny

property float nz

property uchar diffuse_red

property uchar diffuse_green

property uchar diffuse_blue

end_header

-0.721213 -2.01925 2.6344 0.130806 0.0792633 -0.988234 205 214 218

-0.991508 -1.99528 2.58972 0.163215 0.0746168 -0.983765 195 202 202

…………

”

前門是頭文件，property描述了頭文件之后的每一列的特征。也就是說，在end_header之后，按空格分隔，這9個數(shù)字依次代表點的坐標(biāo)XYZ，法向量nx、ny、nz，和像素RGB。

這樣只需要按類似方法解析就可以使用了。

坐標(biāo)系統(tǒng)(coordinate system)：

Documentation原文說”As for the image coordinate system, X-axis points right, and Y-axis points downward, so Z-axis points forward.”

即X軸指右，Y軸指下，Z軸指前。這和openGL與Unity的坐標(biāo)系統(tǒng)都不同，使用時注意坐標(biāo)矯正。

用Unity游戲引擎進行可視化(Visualization with Unity)：

Unity的Asset store上有很多點云庫，我隨便下載了一個。

把我們的點云數(shù)據(jù)轉(zhuǎn)成了它要的off文件，就可以使用在unity里查看點云了。需要注意的是，要把讀取坐標(biāo)的代碼修改一下，讀取坐標(biāo)y的時候要乘以-1，這樣顯示結(jié)果才是正確的。

off文件具體形式如下：

“

COFF

20733 0 0

0.253539073845 -0.100282664831 4.76099905695 20 24 12 255

1.53241726658 -2.33590458129 5.98022141801 62 58 52 255

…………

”

第二行表示點的數(shù)量

后面的參數(shù)按行分割就是每一個點，按空格分割是XYZ和RGB。

我們也可以對相機位姿進行可視化，可以看到可上圖結(jié)果是差不多的。需要注意的是相機的y坐標(biāo)和四元數(shù)Q也要乘以-1。

最后用unity自帶相機對重建結(jié)果進行可視化驗證。把相機坐標(biāo)和角度賦值給unity相機以后，調(diào)整unity相機的Fov(field of view)，我這里是50。然后以當(dāng)前位姿拍攝的照片作為相機背景，即可得到如下效果。

總結(jié)

以上是生活随笔為你收集整理的sfm点云代码_VisualSFM使用方法与心得的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。