Bundler的安裝和配置

一、什麼是bundler

bundler是乙個採用c和c++開發的稱為sfm（struct-from-motion）的系統，它能夠利用無序的集合（例如來自網路的）重建出3d的模型。最早的版本被用在photo tourism的專案上。

bundler的輸入是一些影象、影象特徵以及影象匹配資訊，輸出則是乙個根據這些影象反應的場景的3d重建模型，伴有少量識別得到的相機以及場景幾何資訊。系統借用乙個由lourakis 和argyros提供的稱為sparse bundle adjustment的開發包的修改版，一點一點遞增地重建出影象場景。bundler已經成功的應用在許多網路相簿系統，尤其是一些建築相簿裡。

三、bundler的安裝配置

在成功執行bundler前，我們需要做幾步準備工作：

cygwin的安裝比較簡單，可以參考這篇教程：

但要注意一點，bundler程式中會使用perl、python來進行一些預處理，因此在安裝過程中需要把devel、perl、python三個元件庫都選上。

3.準備。將要進行分析處理的放到乙個目錄裡，比如base_path\pictures\中（下面也統一以pictures代替目錄）。作為例子，bundler自己也提供了兩套，分別放在base_path\examples\et和base_path\examples\kermit中。

4.執行bundler。開啟cygwin，cd定位到base_path目錄下，然後輸入下面的命令：

/runbundler.sh pictures

關於bundler還提供了許多種命令列選項，具體的用法可以參考base_path\readme.txt檔案。

/runbundler.sh examples/et

或者：

/runbundler.sh examples

/kermit

圖2就是執行et例子的截圖：

圖2　windows下使用cygwin執行bundler的結果

linux下的安裝則簡單一些。主要的區別在於以下幾點：

1.由於linux本身支援shell，因此不需要安裝cygwin。

3.完成了上面兩步後還不夠，如果直接執行runbundler.sh指令碼，會提示圖3所示的錯誤。

圖3　提示缺少共享庫檔案錯誤

這是因為我們沒有設定好共享庫。最直接的做法是將base_path\bin目錄下的libann_char.so複製到/lib中：

$ sudo cp libann_char.so

/lib

此時再執行一次runbundler.sh指令碼，即可順利執行完畢得到結果，如圖4所示。

圖4　linux下bundler的執行結果

四、bundler的輸出格式

我們可以在base_path\bundler目錄下找到生成的結果。如圖5所示。

圖5　bundler目錄下存放的處理結果

bundler輸出的檔案大多以「bundle_*.out」的形式來命名，我們稱之為「bundle檔案」。預設命令下，bundler在每張經過分析和註冊（register）後都會輸出乙個相應的bundle檔案用來儲存當前的狀態資訊，並以「bundle_.out」的形式命名。當所有的檔案都註冊後，bundler就會輸出乙個最終的檔案「bundle.out」。另外，每一回合結束時還會緊接著生成一些字尾名為「ply」的檔案，這些檔案包含的是經過重建後的相機和點的資訊。這些ply檔案可以通過使用專用的檢視器scanalyze來檢視，位址為：

這些bundle檔案包含了一些經過估算得到的場景和相機幾何資訊。檔案的格式如下：　　

# bundle file v0.
3<
num_cameras
>
<
num_points
>
[2 integers]
<
camera1
>
<
camera2
>
...<
cameran
>
<
point1
>
<
point2
>
...<
pointm
>

每乙個camera實體的值是估算得到的相機內部和外部引數，形式為：

<
f>
<
k1>
<
k2>
[the focal length, followed by two radial distortion coeffs]
<
r>
[a 3x3 matrix representing the camera rotation]
<
t>
[a 3
-vector describing the camera translation]

每個相機的排序根據其在列表中的出現順序來指定。

每個point實體格式為：

<
position
>
[a 3
-vector describing the 3d position of the point]
<
color
>
[a 3
-vector describing the rgb color of the point]
<
view list
>
[a list of views the point 
isvisible in]

其中，view list存放的是每乙個點所在的場景列表的資訊，開頭第乙個數是每個場景列表的長度資訊，然後緊接著分別是相機索引資訊、該點所在的sift關鍵點序列的索引資訊，以及該關鍵點所在的位置。

根據這些bundle檔案內容以及小孔成像模型，我們就可以大致得到每台相機的引數：

focal length (f),

two radial distortion parameters (k1and k2),

rotation (r),

translation (t)。

按照下面的法則我們可以將乙個3d點x投影到引數為(r,t,f)的相機中：

p =r 
*x +t (conversion from world to camera coordinates)
p =-
p /p.z (perspective division)
p'= f * r(p) * p (conversion to pixel coordinates)

其中，p.z是p的z座標值。r(p)是乙個用來計算出徑向畸變（radial distortion）校正的尺度變數值的函式：

r(p) 
=1.0
+k1 *||
p||^2+
k2 *||p
||^4
.

最後，利用上面的公式還可以得到相機的方向（viewing direction）為：

r
'* [0 0 -1]
'(i.e., the third row of r or third column of r')

其中，' 表示乙個矩陣或者向量的轉置，而相機的空間位置就為：

-r

'* t .

五、總結本文介紹了如何使用bundler來根據得到相機引數以及一些空間點雲資料，並詳細介紹了它在windows和linux下的安裝和配置方法，以及輸出結果的格式。得到的資料將能夠運用在3d重建中。利用bundler可以得到較為稀疏的點雲（point clouds）資料。如果需要得到更密集的點，可以使用yasutaka furukawa博士寫的另外乙個非常強大的軟體包，稱為pmvs2。一種比較常見的途徑是使用bundler來得到相機引數，然後使用bundle2pmvs程式，將生成結果轉換為pmvs2的輸入，然後使用pmvs2來得到更密集的點雲。另外，讀者們可能會對另外乙個同樣由furukawa博士開發的實用工具——cmvs感興趣，cmvs是乙個場景聚類程式，在使用pmvs2前可以使用它來進行一些預處理。

**：

Bundler的安裝和配置

python的安裝和配置

Emacs 的安裝和配置

SVN的安裝和配置

Bundler的安裝和配置

python的安裝和配置

Emacs 的安裝和配置

SVN的安裝和配置

相關推薦