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↓




スポンサーリンク


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:複数視点画像から3次元形状を復元するライブラリ
最近、この手の2D→3D復元系のライブラリを色々と調べている。何となく、自分で3D復元ツールを作ってみたくてね。 この間のOpenGVは複数画像からカメラ(視点)の3次元位置・姿勢を推定するライブラリだった↓ こっちのopenMVG(Mul...


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。


スポンサーリンク



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。


スポンサーリンク

関連記事

CGAN (Conditional GAN):条件付き敵対的生成ネットワーク
第25回コンピュータビジョン勉強会@関東に行って来た
trimesh:PythonでポリゴンMeshを扱うライブラリ
NeRF (Neural Radiance Fields):機械学習による未知視点合成
Pix2Pix:CGANによる画像変換
3Dスキャンに基づくプロシージャルフェイシャルアニメーション
Structure from Motion (多視点画像からの3次元形状復元)
hloc:SuperGlueで精度を向上させたSfM実装
GAN (Generative Adversarial Networks):敵対的生成ネットワーク
GoogleのDeep Learning論文
ニューラルネットワークと深層学習
Autodesk Mementoでゴジラを3次元復元する
写真から3Dメッシュの生成・編集ができる無料ツール『Autodesk Memento』
OpenCV 3.1から追加されたSfMモジュール
SDカードサイズのコンピューター『Intel Edison』
Accord.NET Framework:C#で使える機械学習ライブラリ
Kinect for Windows V2のプレオーダー開始
libigl:軽量なジオメトリ処理ライブラリ
ディープラーニング
画像認識による位置情報取得 - Semi-Direct Monocular Visual Odome...
OpenGVのライブラリ構成
Kinect for Windows v2の日本価格決定
機械学習手法『Random Forest』
顔追跡による擬似3D表示『Dynamic Perspective』
NumSharp:C#で使えるNumPyライクな数値計算ライブラリ
立体映像プレイヤー『Stereoscopic Player』
UnityでPoint Cloudを表示する方法
TorchStudio:PyTorchのための統合開発環境とエコシステム
Mayaのポリゴン分割ツールの進化
機械学習について最近知った情報
Point Cloud Consortiumのセミナー「3D点群の未来」に行ってきたよ
書籍『イラストで学ぶ ディープラーニング』
geometry3Sharp:Unity C#で使えるポリゴン操作ライブラリ
Paul Debevec
Active Appearance Models(AAM)
統計的な顔モデル
続・ディープラーニングの資料
Netron:機械学習モデルを可視化するツール
Digital Emily Project:人間の顔をそっくりそのままCGで復元する
OpenCVでカメラ画像から自己位置認識 (Visual Odometry)
MeshLab:3Dオブジェクトの確認・変換に便利なフリーウェア
OpenSfM:PythonのStructure from Motionライブラリ

コメント