openSFM在linux上编译安装运行及遇到的问题

参考：(145条消息) OpenSfM开源软件使用小心得_Wing Ardium Leviosa的博客-CSDN博客​​​​​​(145条消息) 在Ubuntu系统安装配置OpenSfM软件用来实现三维重建_zfb132的博客-CSDN博客

1. 在windows上配置环境出现很多问题，都说不好解决，所以在linux上配置环境，最后配置成功了。下面是配置过程及遇到的一些问题记录（有些问题解决的过程忘记记录了）。首先，下载opensfm的原始github库，由于使用git clone的方法下载不全且有点乱，所以直接下载的压缩包，OpenSfM/opensfm/src/third_party/pybind11文件夹下的内容下载不下来，要专门下载下来，然后复制到对应文件夹下。

Opensfm：Release v0.5.1 · mapillary/OpenSfM · GitHub

pybind11：https://github.com/pybind/pybind11/tree/v2.2.4

安装依赖

# 进入opensfm主目录

cd opensfm

# 再次更新子模块保证最新

git submodule update --init --recursive

# 更新源

sudo apt-get update

# 安装依赖的包

sudo apt-get install -y \

    build-essential vim curl cmake git \

    libatlas-base-dev libeigen3-dev \

    libgoogle-glog-dev libopencv-dev libsuitesparse-dev \

    python3-dev python3-numpy python3-opencv python3-pip \

    python3-pyproj python3-scipy python3-yaml

# ---------编译安装ceres---------

# 创建临时目录

mkdir source && cd source

# 下载ceres v1.14并解压

curl -L http://ceres-solver.org/ceres-solver-1.14.0.tar.gz | tar xz

# 创建编译文件夹

cd ceres-solver-1.14.0 && mkdir build && cd build

# cmake

cmake .. -DCMAKE_C_FLAGS=-fPIC -DCMAKE_CXX_FLAGS=-fPIC -DBUILD_EXAMPLES=OFF -DBUILD_TESTING=OFF

# 开启48线程编译安装

sudo make -j48 install

# ----------编译安装opengv-------

# 回到source文件夹下

cd ../../

# 下载opengv

git clone https://github.com/paulinus/opengv.git

# 更新子模块保证代码最新

cd opengv && git submodule update --init --recursive

# 创建编译文件夹

mkdir build && cd build

# cmake

cmake .. -DBUILD_TESTS=OFF \

         -DBUILD_PYTHON=ON \

         -DPYBIND11_PYTHON_VERSION=3.6 \

         -DPYTHON_INSTALL_DIR=/usr/local/lib/python3.6/dist-packages/

# 开启48线程编译安装

sudo make -j48 install

遇到的问题：

• Git clone 失败

解决：git config --global  --unset https.https://github.com/laurentkneip/opengv. git

git clone https://github.com/laurentkneip/opengv.git

• 开始直接就安装依赖库，很乱不知道怎么调用，后来才知道要装到open SFM库中，cd到下载的open SFM中再执行命令。

安装requirements.txt

直接创建一个python3.6的anaconda环境，使用命令pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt。（开始直接使用base环境下的，出现很多pip的版本问题）。

编译open SFM：python3 setup.py build，为了更直观的看错误，直接在pycharm中运行的setup.py文件，解决完出现的问题，又在终端使用指令编译的。

遇到的问题：

• Command "python setup.py egg_info" failed with error code 1 in /tmp/pip-build-0ibfwype/numpy/

解决：pip install --upgrade pip

• Failed to find installed gflags CMake configuration, searching for gflags build directories exported with CMake

解决：安装gflags到opensfm的source文件夹下

• ‘map’ in namespace ‘std’ does not name a template type

解决：找到发生错误的位置点开，在头文件中加入 #include <map>

安装特定版本的opencv-contrib，此时可用SIFT特征提取算法

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python==3.4.2.16

2.使用：

简易运行:cd 到OpenSfM的根目录，运行bin/opensfm_run_all data/berlin，这个指令是使用data/berlin下的图片，运行一遍opensfm下的代码，包括extract_metadata、detect_features、 match_features、create_tracks、reconstruct、mesh、undistort、compute_depthmaps、 export_ply、 export_openmvs、export_visualsfm。输出在data/berlin下。

问题及解决过程：

• 在终端运行该命令时需要在激活的anaconda环境下，在OpenSfM的根目录下运行，过程中会因为缺少依赖库出现问题，使用pip或者conda安装。pip安装opencv出现错误，使用指令conda install py-opencv。
• 结果可视化：可以使用meshlab查看生成的data/berlin/unidtorted/depthmaps/merged.ply文件。在linux上mashlab一直读取不了，所以在windows完成的可视化。
• 获取密集点云：bin/opensfm undistort data/berlin

bin/opensfm compute_depthmaps data/berlin

结果:

原图：三个不同视角的图，这里不放了。结果：

 

reconstruction.json中含有所有重建的三维点坐标（structure），以及相机参数（motion）

制作自己的图片:

使用自己的图片运行OpenSfM，需要在根目录data文件夹下新建一个文件夹mydata，再新建mydata/images文件夹，将自己的图放进mydata/images。然后把示例berlin文件夹下的config.yaml文件复制一份到mydata中，最后下命令（同简易运行中的命令）运行。config.yaml文件里面的参数可根据自己的需要修改。如果需要提高OpenSfM的运行速度，且输入数据是连续的视频的帧（large linear dataset），可以尝试在config.yaml文件中加上以下两句话：local_bundle_radius: 1          # Max image graph distance for images to be                         included in local bundle adjustment

bundle_interval: 9999999        # Bundle after adding 'bundle_interval' cameras

输入图片（共五张，这里不放了）：重建结果：

 

存在问题：在项目的文件夹（如mytest）中创建一个camera_models_overrides.json文件，在其中存放已知的相机内存。这样在camera_models_overrides.json提供的内参就会override默认的camera_models.json文件，可以初始化相机内参，但是我这里一直有错，所以就把这一步忽略了，后续再想办法解决这个问题。