三维重建-使用开源库openMVG与openMVS

在前面我们已经介绍了编译openMVG与openMVS的方法，得到了openMVG与openMVS的x64位的Debug版本和Release版本

vcpkg问题-环境配置

关于使用vcpkg的一些技巧补充

openMVG编译

openMVS编译

---

参考博客：

https://blog.csdn.net/qq_39615622/article/details/80967378

<images-dir>:放置照片组的文件夹；
<sensor-database-dir> :/openMVG/src/openMVG/exif/sensor_width_database/sensor_width_camera_database.txt
//一般都是这个目录，记得将我们的相机的参数添加进去，注意格式；
<output-dir>:输出的目录；

images-dir G:\VS2017code\openMVG_openMVS\IMG1\images

output-dir G:\VS2017code\openMVG_openMVS\IMG1\build

 

sensor-database-dir 

G:\VS2017code\openMVG\openMVG\src\openMVG\exif\sensor_width_database\sensor_width_camera_database.txt

首先是MVG的步骤：

1. openMVG_main_SfMInit_ImageListing -i <images-dir> -d <sensor-database-dir> -o <output-dir>：

2. openMVG_main_ComputeFeatures -i <output-dir>/sfm_data.json -o <output-dir>：

3. openMVG_main_ComputeMatches -i <output-dir>/sfm_data.json  -o <output-dir>：

4. openMVG_main_IncrementalSfM -i <output-dir>/sfm_data.json -m <output-dir> -o <output-dir>/reconstruction
注意：<output-dir>/reconstration 后面的reconstruction这是我们自定义的文件夹；

5. openMVG_main_ComputeSfM_DataColor -i <output-dir>/reconstrution/sfm_data.bin -o  <output-dir>/colored.ply：

注意这里的colored.ply是自己命名的文件但是必须要以.ply为后缀；

6. openMVG_main_ComputeStructureFromKnownPoses -i <output-dir>/reconstrution/sfm_data.bin -m . -o <output-dir>/reconstrution/robust.bin -f <output-dir>/matches.f.bin：

注意：这里的robust.bin是我们自己命令的文件，但是必须以.bin为后缀名；

1、

./openMVG_main_SfMInit_ImageListing.exe -i G:\VS2017code\openMVG_openMVS\IMG1\images -d G:\VS2017code\openMVG\openMVG\src\openMVG\exif\sensor_width_database\sensor_width_camera_database.txt -o G:\VS2017code\openMVG_openMVS\IMG1\build 

2、

./openMVG_main_ComputeFeatures.exe -i G:\VS2017code\openMVG_openMVS\IMG1\build\sfm_data.json -o G:\VS2017code\openMVG_openMVS\IMG1\build

 3、

./openMVG_main_ComputeMatches.exe -i G:\VS2017code\openMVG_openMVS\IMG1\build\sfm_data.json -o G:\VS2017code\openMVG_openMVS\IMG1\build

这里有这么一句话：

'neato' 不是内部或外部命令，也不是可运行的程序或批处理文件。

并不是错误，是一个库，我们没安装他，他是一个可视化工具库，官方解释：

4、

./openMVG_main_IncrementalSfM.exe -i G:\VS2017code\openMVG_openMVS\IMG1\build\sfm_data.json -m G:\VS2017code\openMVG_openMVS\IMG1\build -o G:\VS2017code\openMVG_openMVS\IMG1\build\reconstruction

5、

./openMVG_main_ComputeSfM_DataColor.exe -i G:\VS2017code\openMVG_openMVS\IMG1\build\reconstruction\sfm_data.bin -o  G:\VS2017code\openMVG_openMVS\IMG1\build\colored.ply

6、

参考：

https://openmvg.readthedocs.io/en/latest/software/SfM/ComputeStructureFromKnownPoses/

./openMVG_main_ComputeStructureFromKnownPoses.exe -i G:\VS2017code\openMVG_openMVS\IMG1\build\reconstruction\sfm_data.bin -m G:\VS2017code\openMVG_openMVS\IMG1\build -o G:\VS2017code\openMVG_openMVS\IMG1\build\reconstruction\robust.bin -f G:\VS2017code\openMVG_openMVS\IMG1\build\matches.f.bin

 

这一步，其实有两种方式：

meshlab打开robust.ply

此时此刻

MVG的全部工作结束

接下来进行MVS

说这么几句话，是为了分割。。。。。。。。。。。。。。。。

。。。

。。。

。。。

---

好，下面是openMVS的步骤了，在使用openMVS之前，还需要进行一步：

7. openMVG_main_openMVG2openMVS -i <output-dir>/reconstrution/robust.bin -o scene.mvs
注意：这里的scene.mvs，文件是我们自己命名的；

8. DensifyPointCloud scene.mvs

9. ReconstructMesh -d 4 scene_dense.mvs；

注意：scene_dense自己命名；目前不需要理解参数的意思，需要理解不加后面的参数，直接运行，会有usage；

10. RefineMesh --resolution-level=4 scene_dense_mesh.mvs

11. TextureMesh scene_dense_mesh_refine.mvs

其次是MVS的步骤

不对，MVG还缺一步：

7、

./openMVG_main_openMVG2openMVS.exe -i G:\VS2017code\openMVG_openMVS\IMG1\build\reconstruction\robust.bin -o G:\VS2017code\openMVG_openMVS\IMG1\build\reconstruction\scene.mvs

接下来进行MVS的程序运行

 将scene.mvs拷贝到MVS的程序目录下运行剩下4个步骤：

8、

./DensifyPointCloud.exe scene.mvs

出错

我们需要在这个MVS目录下新建一个：

undistorted_images

在里面放入之前的图片数据集

ok，错误消失

除了原来的scene.mvs，还新生成了一些东西

9、

./ReconstructMesh.exe -d 4 scene_dense.mvs

再次新生成了三个文件

10、

./RefineMesh.exe --resolution-level=4 scene_dense_mesh.mvs

再次新生成三个文件

11、

./TextureMesh.exe scene_dense_mesh_refine.mvs

再次新生成四个文件：

meshLab打开文件scene_dense_mesh_refine_texture.ply

最后看一下png的纹理贴图的文件：