基于SFM的三维重建点云合并及位移测量

最新推荐文章于 2023-06-19 22:05:56 发布
最新推荐文章于 2023-06-19 22:05:56 发布
阅读量1.1k 收藏 15
点赞数 2
分类专栏： 个人经验 文章标签： ubuntu 图像识别 其他
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43267718/article/details/107609126
版权

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

  1. 在官网下载vmware workstation windows最新版并安装

  2. 在官网下载Ubantu合适版本的ISO镜像，这里用的是16.04.3

  3. 打开vmware主页，点击“创建新的虚拟机”
    在这里插入图片描述

  4. 选择“典型”
    在这里插入图片描述

  5. 浏览并选择已经下载好的Ubantu系统镜像
    在这里插入图片描述

  6. 输入一些个人与安装信息并确认
    在这里插入图片描述在这里插入图片描述在这里插入图片描述

  7. 完成后便可以打开虚拟机了
    在这里插入图片描述

  8. 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
    在这里插入图片描述

  9. 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
    在这里插入图片描述

  10. 选择其他选项，这样就可以自己创建、调整分区
    在这里插入图片描述

  11. 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
    在这里插入图片描述

  12. 进行分区，分区之后如下图
    在这里插入图片描述

  13. 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
    在这里插入图片描述

  14. 点击现在安装之后会弹出下面的窗口，点击继续即可
    在这里插入图片描述

  15. 之后会出现以下界面，选择时区Shanghai
    在这里插入图片描述

  16. 选择键盘布局，选择左侧的汉语，然后选择右侧的汉语
    在这里插入图片描述

  17. 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
    在这里插入图片描述

  18. 点击继续，就会进入到安装系统的界面了，只需等待
    在这里插入图片描述

SFM、CMVS-PMVS及其环境的安装

  1. 在Ubantu系统中按住CTRL+alt+T调出终端
  2. 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
  3. 安装bundler相关依赖：sudo apt-get install liblapack-dev libblas-dev minpack-dev f2c gfortran jhead imagemagick
  4. 在 http://www.cs.ubc.ca/~lowe/keypoints/ 下载SIFT。（因为bundler需要SIFT进行特征提取）
  5. 安装SIFT依赖：sudo apt-get install libc6-dev-i386
  6. 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
  7. 进入Makefile文件所在的目录：cd /你自己的安装目录/bundler_sfm/
    编译 ：make
  8. 将下载好的SIFT解压，进入文件夹中编译：make
  9. 将sift可执行文件拷贝到bundler_sfm下的bin目录下
  10. 将jhead文件拷贝到bundler_sfm下的bin目录下：sudo cp /usr/bin/jhead bin/
  11. 生成libANN_char.so：
    cd bundler_sfm -master
    make
  12. 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/
  13. 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
  14. 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

  1. 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

  2. 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
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

  3. 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

  4. 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：
    在这里插入图片描述

  5. 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

  6. 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

  7. 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。

  8. 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

  9. 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

  10. 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

  11. 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

  1. 回到windows系统中，在官网上下载meshlab最新版并安装

  2. 运用meshlab打开1-1，1-2，1-3的点云
    在这里插入图片描述

  3. 点击Align开始配准
    在这里插入图片描述

  4. 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。
    在这里插入图片描述

  5. 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。
    在这里插入图片描述
    在这里插入图片描述

  6. 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。
    在这里插入图片描述

  7. 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
    在这里插入图片描述

  8. 对任意一个点云图层右键并点击Flatten Visible Layers,选择1,3,4并apply
    在这里插入图片描述
    在这里插入图片描述

  9. 按住ctrl+s保存合并的点云

  10. 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
    在这里插入图片描述

  11. 再对上面两幅合并的点云进行合并操作
    在这里插入图片描述

任意两点的距离量测

  1. 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
    在这里插入图片描述
    在这里插入图片描述

  2. 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
    在这里插入图片描述

  3. 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
    在这里插入图片描述

会水的大圣
关注
  • 2
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
三维点云重建 — open3d python
叶子的博客
05-03 2万+
三维点云表面重建 — open3d python，含示例程序与源码
基于图像的多视角立体视觉三维重建(三)——基于SfM的稀疏点云重建
薛定谔的猫头咕咕咕
09-15 5207
三角测量 直接线性变换法  三角测量:已知相机参数和同一个三维点对应多个视角像平面上的匹配点,恢复三维点的坐标(目标是求X的坐标) 已知第i个相机的投影矩阵,其中KiK_{i}Ki​为第 i 个相机的内参矩阵, [pi,ti][p_{i}, t_{i}][pi​,ti​]为外参矩阵: Pi=Ki[Pi,ti]={pi1pi2pi3}(1.1)P_{i}=K_{i}[P_{i}, t_{i}]=\left\{\begin{matrix} p_{i1}\\p_{i2}\\p_{i3} \end{matrix}
点云重建总结
Yisnow.的博客
05-22 3696
几何处理：是一种计算的方法研究世界中的物理对象，通过硬件扫描生成物理对象的三维模型然后做各种处理和分析。三维视觉：传统的3D视觉是指从图像中恢复底层的三维结构。
点云重建方法汇总一（PCL-CGAL）
阁楼
06-30 8860
点云重建方法比较（PCL与CGAL）
PCL学习之点云重建
出门吃三碗饭的博客
05-25 1942
离散点云• 数据量大• 渲染显示大• 模型操作计算不方便网格模型• 数据量小• 渲染方便• 模型操作计算方便。
基于Java实现的SfM三维重建
最新发布
06-14
【作品名称】：基于Java实现的SfM三维重建 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】：相机标定采用GML C++ ...
基于python的三维重建算法Structure from Motion(Sfm)实现代码
03-22
综上所述，基于Python的三维重建算法SfM实现涉及图像处理、特征检测与匹配、几何重建等多个环节，需要深入理解计算机视觉的基本原理，并熟练运用相关库和工具。通过不断地学习和实践，开发者可以创建出高质量的三维...
SFM三维重建-图片-熊.rar
03-24
【SFM三维重建-图片-熊.rar】是一个与计算机视觉技术相关的压缩文件，其中包含了进行 Structure from Motion (SFM) 三维重建的图像数据。SFM 是一种利用一系列二维图像来恢复场景三维几何信息的技术。在这个案例中，...
Visual SFM 三维重建.doc
01-25
总的来说，Visual SFM结合Meshlab为三维重建提供了一套完整的解决方案，从图像采集、稀疏点云生成、稠密点云重建到模型编辑，涵盖了三维重建的整个流程。通过熟练掌握这两个工具，用户可以有效地进行各种场景的三维...
三维重建-室内场景的SFM三维重建实现-优质项目实战.zip
03-24
SFM的核心概念是基于摄影测量学，它涉及到如何从图像中提取特征，如角点，然后通过匹配这些特征在不同图像中的对应点来推断出相机的运动和场景的三维几何。这种方法无需复杂的硬件设备，只需普通相机即可进行三维...
浅谈点云与三维重建
weyos的博客
12-08 2万+
浅谈点云与三维重建
点云重建论文（2022）
qq_41485193的博客
11-22 575
点云重建论文
开源，点云处理及三维重建软件（Point Cloud Viewer, PCV）的设计与实现
DayDayUp
04-22 2万+
本文所设计的点云处理及三维重建软件主要基于Microsoft Visual Studio 2017以及Qt Creator两个集成开发环境，来完成代码的编写、分析、编译以及调试工作。此外，本文主要基于Qt框架来完成软件界面的设计以及内部逻辑功能的实现，Qt具有一套代码，多平台运行的特点，因此使用此框架开发的软件不仅能够在Windows和Linux等操作系统上运行，还能在MacOS上运行。也正是因为Qt的跨平台开发的特性，也使得本章所设计的软件可以在多个操作系统中正常运行。
三维点云重建-快速三角剖分
m0_56651652的博客
06-19 150
修改最大距离和最远距离后，拿雷达户外实地采集的数据试了试，确实能够将点云网格化，但是点云个数太多了，耗时过长，要想实现实时重建还是难的。不过看懂例程已经成功一小步啦，下班。今天对pcl库中surface模块的demo3代码进行了学习，现在记录一下其注释版本。无序点云的快速三角剖分（pcl中的此类处理的点云数据须有法线，因此先需进行法线估计）
点云三维重建算法
qq_45898579的博客
05-26 1万+
点云三维重建算法 点云三维重建流程 （1）点云数据的获取 3D信息采集常使用移动测绘系统(Mobile Mapping System)，MMS包括移动激光扫描系统和数码相机。移动激光扫描系统主要由激光扫描仪和惯性导航系统组成，用于测量点的三维坐标和激光反射强度；数码相机用于测量点的三维坐标和颜色信息。根据移动激光扫描系统和数码相机采集的数据可以得到点云数据，包括三维坐标、激光反射强度、颜色信息。 （2）预处理 由于激光扫描获取的数据中常常伴有杂点或噪声，影响了后续的处理，因此为了获取完整的模型，需要对点云
从摄影测量到计算机视觉----以SFM算法为例，用python+opencv 实现
大橙子的博客
05-08 1万+
因为这篇公式和图比较多，所以笔者以贴图像的形式来，附上最终的结果图。如果你需要笔者的代码，可以发邮件或者去github，笔者后续会贴上github链接。 1、 两者之间的关系 摄影测量是研究被摄物体的形状、大小、和相对位置关系的一门学科；计算机视觉可以看作是图像处理的升华（image—knowledge）。两者之间有太多的相似之处，如bundle adjustment，摄影测量中称之为光...
Sfm方法过程及原理
热门推荐
I feel lost
04-06 4万+
1. 算法简介       SFM算法是一种基于各种收集到的无序图片进行三维重建的离线算法。在进行核心的算法structure-from-motion之前需要一些准备工作，挑选出合适的图片。    先从图片中提取焦距信息(之后初始化BA( Bundle adjust)需要)，然后利用SIFT等特征提取算法去提取图像特征，用kd-tree模型去计算两张图片特征点之间的欧式距离进行特征点的匹配，从而找...
基于matlab的sfm三维重建
qq_41987977的博客
12-08 2万+
基于matlab的sfm三维重建 想学习三维重建，但是不会c语言，python调用opencv弄得我头大，正好matlab上也有三维重建的代码，于是编跟着案例库的案例倒弄了一阵，大致弄明白了，分享一个流程给新手做参考。 1，加载图像和相机标定 相机参数需要先标定相机，matlab带有一个相机标定工具箱，很简单。一开始想做无标定三维重建的，但是方法我没找到。 本方法重建效果主要取决于三点：图像质量，...
三维重建技术综述：SFM方法与挑战
SFM（三维重建技术）是一种通过多视角图片处理获取物体三维信息的关键方法，它在计算机视觉领域具有广泛的应用。本文档由Theo Moons、Maarten Vergauwen和Luc Van Gool于2008年编写，深入探讨了三维重建的各种原理和...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值