[IO ] error: unknown image format '/reconstruction/100_7100.JPG' （附带win32.mak下载）

最新推荐文章于 2021-11-29 11:03:15 发布
最新推荐文章于 2021-11-29 11:03:15 发布
阅读量1k 收藏 2
点赞数 2
文章标签： openMVS
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/xp_zz/article/details/98485024
版权

一、在windows下编译生成openMVS工程，调用app时如果出现以下错误，说明你在编译时JPEG库没有添加进该工程

08:27:15 [App ] Command line: D:\openMVG\scene.mvs
08:27:15 [App ] Camera model loaded: platform 0; camera 0; f 1.055x1.055; poses 11
08:27:15 [IO ] error: unknown image format 'D:/openMVG/MVS_OUT/reconstruction/100_7100.JPG'
08:27:15 [App ] error: failed loading image header
08:27:15 [App ] error: failed reloading image 'D:/openMVG/MVS_OUT/reconstruction/100_7100.JPG'
08:27:15 [App ] error: invalid project

二、可以参照https://www.cnblogs.com/leoking01/p/10180445.html对jpeg库进行编译生成lib文件（参考如下）：

1. 下载源代码：   http://libjpeg.sourceforge.net/    或者  http://www.ijg.org/   当前最新的是jpegsr9c， 那就下载这个好了。

 　　在windows下编译就下载.zip  压缩包

最低0.47元/天 解锁文章
xp_zz
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
OpenMVS的.\DensifyPointCloud无法识别jpeg，error: unknown image format
weixin_46367784的博客
05-31 1381
从colmap进行sfm后，转换成mvs格式进行稠密重建，出现无法识别图片格式的错误 .\DensifyPointCloud -w D:\vcpkg_openmvs\COLMAP-3.7-windows-cuda\images\dense -i test.mvs -o test_dense.mvs 14:19:21 [App ] Build date: May 30 2022, 13:27:57 14:19:21 [App ] CPU: Intel(R) Core(TM) i9-10980X
win32.mak_win32@.zip
08-14
win32.mak 用于jpeg编译
（蓝奏云）win32.mak 下载，个人备份用
m0_48641314的博客
11-29 838
win10 用 C++编译所需要的 win32.mak 的下载地址备份
win10缺少的win32.mak
11-13
今日编译jpeg，发现win10中没有win32.mak文件，急忙从github上下了一个，https://github.com/gpzhang7/ms-sdk/blob/master/Win32.Mak
编译C++需要的库文件win32 mak
06-02
编译C++需要的库文件 Win32.Mak
makRti3.3.2-win32-msvc++8.0-setup
03-26
makRti3.3.2-win32-msvc++8.0-setup
StreamingRecon_918.zip_hpphttps://918.com_surface
07-14
Surface Reconstruction
matlab_code.rar_reconstruction_site:www.pudn.com_图像修复
09-24
在本案例中，我们关注的是一个名为"matlab_code.rar_reconstruction_site:www.pudn.com_图像修复"的压缩包，其中包含了利用MATLAB进行图像修复的相关代码和资源。MATLAB是一种强大的编程环境，特别适合进行数值计算...
ch4.rar_image reconstruction_microwave image_microwave imaging
09-23
标题中的"ch4.rar_image reconstruction_microwave image_microwave imaging"揭示了这是一个关于图像重建技术在微波成像领域的专题。"image reconstruction"是指图像重建技术，而"microwave image"和"microwave ...
SFB_matlab1.0.tar.gz_Dense Reconstruction_SFB_unknown
07-14
Re-implementation of Simakov, Frolova and Basri "Dense Shape Reconstruction from a Moving Oject under Arbitrary, Unknown Lighting", 2003 This re-imp is restricted to linear lighting model (eq. 10 in ...
编译jepglib需要的Win32.Mak
01-09
Win32.Mak
jpeg-9c 编译完成版本 内含lib Win32.mak
02-11
已经编译好了 可以直接用 上传时最新版本 另外内含Win32.mak ,可以自行重新编译
OpenMVS三维重建开源代码
07-20
OpenMVS三维重建开源代码
EmbeddingDimension_FNN.rar_LorenzData_SearchNN_lorenzdata.m_neig
09-21
假近邻法(False Nearest Neighbor, FNN)计算嵌入维的Matlab程序 ... Determining embedding dimension for phase-space reconstruction using a geometrical construction[J]. Phys. Rev. A 1992,45:3403.
openmvs安装流程及报错解决方法
xsoftwarex的博客
10-17 6424
依赖项 OpenMVS 依赖的几个开源库,有两个是可选的可以先不安装。 1. OpenCV version 4.5.2 or higher （注意：opencv 4.5.2版本需要的Eigen3版本为3.3.7,在安装opencv时需先安装Eigen3.3.7版本，opencv安装完成后再将Eigen3.3.7版本卸载，安装Eigen3.2版本，满足openmvs安装要求） 2. Eigen version 3.2 (or higher on Windows only) 3. Ceres version 1
openMVG+openMVS对数据集的详细重建步骤！避坑！！！
vanilla_an的博客
04-01 8176
在Ubuntu18.04上配置安装了openMVG和openMVS两个库，成功跑通了官方数据集，想看一下它们在其它数据集上的效果，看了很多博客仍然会有错误，所以写一下自己的重建步骤和遇到问题的解决办法。 我选取的数据集是中国科学院自动化研究所机器视觉课题组发布的数据集中，数据二的普陀山法雨寺，它是中国四大佛教名山之一的普陀山上的著名古典建筑，可用于评价三维重建算法在大规模复杂场景上的重建效果。图像使用佳能EOS 5D（相机参数：Canon EOS 5D;35.8）单反相机拍摄。 参考链接：三维重建数据集 一
openMVS代码逐行解析系列（2）
excellent_sun的博客
10-10 1186
openMVS代码逐行解析一、openMVS/libs/MVS/Image.cpp文件代码解析 一、openMVS/libs/MVS/Image.cpp文件代码解析 IMAGEPTR Image::OpenImage(const String& fileName) { #if 0 if (Util::isFullPath(fileName)) return IMAGEPTR(CImage::Create(fileName, CImage::READ)); return IMAGEPTR(
详细解释一下这段代码，每一句都要进行注解：tgt = f'/kaggle/working/{dataset}-{scene}' # Generate a simple reconstruction with SIFT (https://en.wikipedia.org/wiki/Scale-invariant_feature_transform). if not os.path.isdir(tgt): os.makedirs(f'{tgt}/bundle') os.system(f'cp -r {src}/images {tgt}/images') database_path = f'{tgt}/database.db' sift_opt = pycolmap.SiftExtractionOptions() sift_opt.max_image_size = 1500 # Extract features at low resolution could significantly reduce the overall accuracy sift_opt.max_num_features = 8192 # Generally more features is better, even if behond a certain number it doesn't help incresing accuracy sift_opt.upright = True # rotation invariance device = 'cpu' t = time() pycolmap.extract_features(database_path, f'{tgt}/images', sift_options=sift_opt, verbose=True) print(len(os.listdir(f'{tgt}/images'))) print('TIMINGS --- Feature extraction', time() - t) t = time() matching_opt = pycolmap.SiftMatchingOptions() matching_opt.max_ratio = 0.85 # Ratio threshold significantly influence the performance of the feature extraction method. It varies depending on the local feature but also on the image type # matching_opt.max_distance = 0.7 matching_opt.cross_check = True matching_opt.max_error = 1.0 # The ransac error threshold could help to exclude less accurate tie points pycolmap.match_exhaustive(database_path, sift_options=matching_opt, device=device, verbose=True) print('TIMINGS --- Feature matching', time() - t) t = time() mapper_options = pycolmap.IncrementalMapperOptions() mapper_options.extract_colors = False mapper_options.min_model_size = 3 # Sometimes you want to impose the first image pair for initialize the incremental reconstruction mapper_options.init_image_id1 = -1 mapper_options.init_image_id2 = -1 # Choose which interior will be refined during BA mapper_options.ba_refine_focal_length = True mapper_options.ba_refine_principal_point = True mapper_options.ba_refine_extra_params = True maps = pycolmap.incremental_mapping(database_path=database_path, image_path=f'{tgt}/images', output_path=f'{tgt}/bundle', options=mapper_options) print('TIMINGS --- Mapping', time() - t)
最新发布
05-30
这段代码主要是使用 PyCOLMAP 库实现对图像的特征提取、特征匹配和增量式三维重建。具体解释如下： ```tgt = f'/kaggle/working/{dataset}-{scene}'``` 定义了一个字符串变量 tgt，表示输出路径。 ```if not os.path.isdir(tgt):``` 如果输出路径不存在，则创建该路径。 ```os.makedirs(f'{tgt}/bundle')``` 在输出路径下创建子目录 bundle。 ```os.system(f'cp -r {src}/images {tgt}/images')``` 将源目录 src 中的 images 目录复制到输出路径下的 images 目录中。 ```database_path = f'{tgt}/database.db'``` 定义一个字符串变量 database_path，表示 PyCOLMAP 库中使用的数据库文件路径。 ```sift_opt = pycolmap.SiftExtractionOptions()``` 创建一个 SIFT 特征提取选项对象。 ```sift_opt.max_image_size = 1500``` 设置 SIFT 特征提取选项对象的最大图像尺寸为 1500×1500 像素。 ```sift_opt.max_num_features = 8192``` 设置 SIFT 特征提取选项对象的最大特征点数为 8192 个。 ```sift_opt.upright = True``` 设置 SIFT 特征提取选项对象的旋转不变性为 True，即不考虑图像旋转。 ```device = 'cpu'``` 定义一个字符串变量 device，表示计算设备类型。 ```pycolmap.extract_features(database_path, f'{tgt}/images', sift_options=sift_opt, verbose=True)``` 调用 PyCOLMAP 库中的 extract_features 函数，对输出路径下的图像进行 SIFT 特征提取，并将特征保存到数据库文件中。 ```print(len(os.listdir(f'{tgt}/images')))``` 输出输出路径下的图像数量。 ```print('TIMINGS --- Feature extraction', time() - t)``` 输出特征提取所花费的时间。 ```matching_opt = pycolmap.SiftMatchingOptions()``` 创建一个 SIFT 特征匹配选项对象。 ```matching_opt.max_ratio = 0.85``` 设置 SIFT 特征匹配选项对象的最大匹配比率为 0.85。 ```matching_opt.max_distance = 0.7``` 设置 SIFT 特征匹配选项对象的最大匹配距离为 0.7。 ```matching_opt.cross_check = True``` 设置 SIFT 特征匹配选项对象的交叉匹配为 True，即同时匹配两幅图像。 ```matching_opt.max_error = 1.0``` 设置 SIFT 特征匹配选项对象的最大误差为 1.0。 ```pycolmap.match_exhaustive(database_path, sift_options=matching_opt, device=device, verbose=True)``` 调用 PyCOLMAP 库中的 match_exhaustive 函数，对数据库文件中的特征进行 SIFT 特征匹配，并将匹配结果保存到数据库文件中。 ```print('TIMINGS --- Feature matching', time() - t)``` 输出特征匹配所花费的时间。 ```mapper_options = pycolmap.IncrementalMapperOptions()``` 创建一个增量式三维重建选项对象。 ```mapper_options.extract_colors = False``` 设置增量式三维重建选项对象的颜色提取为 False，即不提取图像颜色信息。 ```mapper_options.min_model_size = 3``` 设置增量式三维重建选项对象的最小模型大小为 3。 ```mapper_options.init_image_id1 = -1``` 设置增量式三维重建选项对象的第一张图像的 ID 为 -1，表示不指定。 ```mapper_options.init_image_id2 = -1``` 设置增量式三维重建选项对象的第二张图像的 ID 为 -1，表示不指定。 ```mapper_options.ba_refine_focal_length = True``` 设置增量式三维重建选项对象的相机内参的优化为 True。 ```mapper_options.ba_refine_principal_point = True``` 设置增量式三维重建选项对象的相机主点的优化为 True。 ```mapper_options.ba_refine_extra_params = True``` 设置增量式三维重建选项对象的额外参数的优化为 True。 ```maps = pycolmap.incremental_mapping(database_path=database_path, image_path=f'{tgt}/images', output_path=f'{tgt}/bundle', options=mapper_options)``` 调用 PyCOLMAP 库中的 incremental_mapping 函数，对数据库文件中的匹配结果进行增量式三维重建，并将重建结果保存到输出路径下的 bundle 目录中。 ```print('TIMINGS --- Mapping', time() - t)``` 输出增量式三维重建所花费的时间。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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