Regard3D:オープンソースのStructure from Motionツール

ライブラリではなく、ちゃんとGUIを備えたオープンソースのStructure from Motionのアプリケーションを見つけた。
このRegard3DのソースコードはMIT licenseだそうだ。

Regard3D

Regard3D

Regard3Dは、無料でオープンソースのStructure from Motionツールです。
Regard3Dは、被写体を別々のアングルで撮影した複数枚の写真から、被写体の3Dモデルを生成します。

特長:

  • マルチプラットフォーム対応(Windows, OSX, Linux)
  • 強力なサードパーティツールとライブラリがベース
  • 完全無料でオープンソース

動作環境:

  • 64ビットのOS (Windows, Mac, Linux)
  • OpenGL対応のグラフィックスカード/チップ
  • 高解像度の画像を扱う場合はメモリ8GB以上を推奨

この手のGUIアプリケーションだとVisualSFMの方が有名ではありますが↓





公式のイントロダクションによると、Regard3DではAKAZE特徴を使い、LIOP (Local Intensity Order Pattern)という方法で画像間のマッチングを行うとか。

Regard3DのソースコードはGitHub上にある↓
https://github.com/rhiestan/Regard3D

で、まあ、中身ではopenMVGを使っているみたい。



openMVGの機能をGUIで手軽に使えるようにしたようなツールだが、疎な点群の復元だけでなく、密な点群の復元”densificationを行う機能も備わっている。密な点群の復元には以下2通りの方法を選べる。中でこれらのツールを呼び出してるってことかな。



Exifからカメラ情報を取得する関係で、入力画像のフォーマットはJPEGオンリー。また、撮影に使用したカメラ(の内部パラメータ)がデータベースに登録されていないと三角測量の処理でエラーになってしまう。(無いなら無いでデフォルト値を使うとかしてくれても良いのに…)
手持ちのiPhone6Sで撮った画像では上手く行かなかった。データベースへ追加する方法はあるのだろうか。

追記:Regard3Dのデータベースにカメラ情報を追加する方法があった。公式サイトのPicture Setのページに書いてあった。

もし、あなたのお使いのカメラが不明(“Sensor width“カラムに”N/A“と表示され、”not available“)な場合は、以下のステップを行ってください:

  • お使いのカメラの正確モデルを特定(例えば、カメラメーカー、カメラモデル等の情報)し、インターネットでそのカメラの特性について調べ、カメラのセンサー幅を決定します。
  • Unixの改行コードに対応したテキストエディタ(Notepad++など)で”sensor_database.csv“ファイルを開きます。ファイルは、Windows環境なら
    C:\Users\[User name]\AppData\Local\Regard3D
    OS X環境ならRegard3Dのインストールディレクトリ(ほとんどの場合 /Applications/Regard3D.app/Contents/Resources)にあります。
  • ファイルの”Camera maker“列と”Camera model“列、そしてセンサーの幅をmm単位で入力し、”;“で区切ります。
    記入例:Nikon;Nikon D5500;23.5
  • ファイルを保存してエディタを終了し、Regard3Dを再起動します。

このファイルについてのより詳しい情報はこちらをご覧ください。
https://github.com/openMVG/CameraSensorSizeDatabase

Regard3Dの形式(つまりopenMVG形式)のカメラセンサーデータCSVのリポジトリがGitHubにある↓
https://github.com/openMVG/CameraSensorSizeDatabase

最新バージョンのsensor_database.csvにiPhone6までは入ってた。

関連記事

Autodesk Mementoでゴジラを3次元復元する

畳み込みニューラルネットワーク (CNN: Convolut...

TorchStudio:PyTorchのための統合開発環境と...

OpenCVのfindEssentialMat関数を使ったサ...

Boost オープンソースライブラリ

OpenCV バージョン4がリリースされた!

機械学習について最近知った情報

Kinect for Windows V2のプレオーダー開始

疑似3D写真が撮れるiPhoneアプリ『Seene』がアップ...

AnacondaとTensorFlowをインストールしてVi...

機械学習のオープンソースソフトウェアフォーラム『mloss(...

Accord.NET Framework:C#で使える機械学...

OpenCVで顔のモーフィングを実装する

SSII2014 チュートリアル講演会の資料

RefineNet (Multi-Path Refineme...

UnityでPoint Cloudを表示する方法

3D Gaussian Splatting:リアルタイム描画...

統計的な顔モデル

Facebookの顔認証技術『DeepFace』

Google製オープンソース機械学習ライブラリ『Tensor...

BlenderProc:Blenderで機械学習用の画像デー...

UnityでLight Shaftを表現する

第1回 3D勉強会@関東『SLAMチュートリアル大会』

NeuralNetwork.NET:.NETで使えるTens...

Netron:機械学習モデルを可視化するツール

Virtual Network Computing

SONY製のニューラルネットワークライブラリ『NNabla』

Google Colaboratoryで遊ぶ準備

Multi-View Environment:複数画像から3...

CGのためのディープラーニング

Iridescence:プロトタイピング向け軽量3D可視化ラ...

Javaで作られたオープンソースの3DCGレンダラ『Sunf...

2D→3D復元技術で使われる用語まとめ

iPadをハンディ3Dスキャナにするガジェット『iSense...

bpy-renderer:レンダリング用Pythonパッケー...

BGSLibrary:OpenCVベースの背景差分ライブラリ

マインドマップ作成ツール『MindNode』

Deep Fluids:流体シミュレーションをディープラーニ...

OpenCV 3.1のsfmモジュールを試す

hloc:SuperGlueで精度を向上させたSfM・Vis...

OpenMesh:オープンソースの3Dメッシュデータライブラ...

ArUco:OpenCVベースのコンパクトなARライブラリ

コメント