OpenMVSのサンプルを動かしてみる

この前見つけたOpenMVSをビルドしてみようと思ってドキュメント見たら、すでにサンプルをWindows用にビルドしたバイナリが配布されているではないか!



公式ドキュメントのUsageページの内容も、配布されているopenMVS_sampleを使えばできそうな感じ。

ただ、ドキュメントがやや古いのか、書いてある実行ファイルの名称が配布されているものとちょっと食い違っているみたい。
たぶん、ドキュメントで”openMVG_main_openMVG2openMVS“って書かれているのは、現在のサンプルの中にある”InterfaceOpenMVG“のこと。ソースコードのInterfaceOpenMVG.cppの中身をちょっと見てみると、ドキュメント記載の”openMVG_main_openMVG2openMVS“と同じ引数を受け取りそうな感じ。

openMVGでSFMデータ(sfm_data.bin)を作成する

とりあえず、OpenMVSに食わせるためのsfm_data.binをopenMVGでちゃちゃっと生成してしまう。この前ビルドしたopenMVGのSfM toolsを使う。



OpenMVSの使い方の例に合わせてSceaux Castleの画像セットを使用する。

Sceaux Castle画像セットを入力として以下のツールを順に実行すると、最終的にsfm_data.binが出力される。コマンドライン引数はそれぞれのドキュメント参照。

  1. openMVG_main_SfMInit_ImageListing:画像リストの作成
  2. openMVG_main_ComputeFeatures:画像特徴の検出・記述
  3. openMVG_main_ComputeMatches:画像の対応関係の計算
  4. openMVG_main_IncrementalSfM:3次元再構築(Structure from Motion)

sfm_data.binと一緒にいくつか.plyファイルも出力される。この.plyファイルをMeshLabで開けば3次元再構築の結果を確認できる。

で、出力されたsfm_data.binを使ってOpenMVSのMulti-View Stereoによる密な点群の復元を試すわけだけど、まずは現在配布されているOpenMVSの最新のサンプルの構成に合わせて、やや古いOpenMVS公式のドキュメントの記述を読み換えながら訳してみる。


スポンサーリンク

OpenMVSモジュールの使い方

次は、利用可能なモジュールの使い方の説明です。
今回は、OpenMVGのパイプラインを使い、Sceaux Castle画像セットからカメラ位置と疎な点群の復元を行いました。
ここで示すアウトプットは、全てOpenMVSのパイプラインで自動的に生成したものであり、手作業による調整は一切行っていない結果であることに注意してください。
完全なサンプル(モジュール用のWindows x64バイナリを含む)はOpenMVS_Sampleにあります。

OpenMVSのバイナリは、全てコマンドライン引数をサポートしています。引数の詳細については、引数無し、または-hコマンドで実行すると表示されます。
@FlachyJoe氏がOpenMVGとOpenMVSの連携プロセスを自動化した、コマンド1つで実行できるscriptを提供しています。
以下のコマンドを実行すれば同様の結果が得られるはずです:

python MvgMvs_Pipeline.py


スポンサーリンク

OpenMVGのシーンを変換する

シーンの再構築後、OpenMVGはデフォルトでカメラ位置と疎な点群情報の入ったsfm_data.binファイルを生成します。
エクスポーターツールを以下コマンドで実行すれば、このファイルをOpenMVSのプロジェクトファイルscene.mvsへ変換できます。

InterfaceOpenMVG -i sfm_data.bin -o scene.mvs

OpenMVGが古い.jsonアスキー形式のファイルを使っている場合は、以下のように実行してください。

InterfaceOpenMVG -i scene.json -o scene.mvs

ここまでのステップで得られた疎な点群は以下の画像のようになるはずです:

Sparse

密な点群の再構築(オプション)

シーンに欠けている部分があっても、dense reconstruction(密な再構築)モジュールを使って密な点群を推定すれば復元することができます。

DensifyPointCloud scene.mvs

得られた高密度の点群は以下の画像のようになります(頂点の色は可視化のためのおおよそのものであり、以降の処理には影響しないことに注意):

scene_dense

ラフなメッシュの再構築

ここまでのステップで得られた疎、密な点群をmesh reconstruction(メッシュの再構築)モジュールの入力として使うことができます。

ReconstructMesh scene_dense.mvs

mesh reconstructionモジュールを実行して得られるメッシュ:

dense_mesh

メッシュのリファイン(オプション)

疎、密な点群から得られたメッシュには、まだディティールや大きな欠落部分をリファインできる余地があります。
以下のコマンドで、疎な点群から得たラフなメッシュのリファインを行ってみます:

RefineMesh scene_mesh.mvs

リファイン前と後:

scene_mesh

scene_mesh_refine

メッシュにテクスチャを貼る

ここまでのステップで得られたメッシュをmesh texturing(メッシュにテクスチャを貼る)モジュールの入力として使います。

TextureMesh scene_dense_mesh.mvs

メッシュにテクスチャを貼った状態:

scene_dense_mesh_texture

openMVG_main_openMVG2openMVS“を”InterfaceOpenMVG“と読み替えるだけでちゃんと動いたぞ。さらにOopenMVS_sampleにはopenMVGだけでなく、VisualSFMのファイルを変換するInterfaceVisualSFMも入っているので、VisualSFMで疎な点群の復元まで終えたデータからOpenMVSで密な点群の復元ができるわけだな。

まあ、もちろんPMVSCMVSとかCMPMVSでも良いんですが。


スポンサーリンク

関連記事

Blender 2.8がついに正式リリース!
ZBrushのZScript入門
プログラムによる景観の自動生成
DensePose:画像中の人物表面のUV座標を推定する
動的なメモリの扱い
参考書
SONY製のニューラルネットワークライブラリ『NNabla』
ArUco:OpenCVベースのコンパクトなARライブラリ
iPhoneで3D写真が撮れるアプリ『seene』
MFnMeshクラスのsplit関数
OpenCV 3.3.0-RCでsfmモジュールをビルド
Math.NET Numerics:Unityで使える数値計算ライブラリ
続・ディープラーニングの資料
読みやすくて高速なディープラーニングのフレームワーク『Caffe』
pythonもかじってみようかと
Kinect for Windows v2の日本価格決定
Raspberry Pi 2のGPIOピン配置
コンピュータビジョンの技術マップ
UnityのGlobal Illumination
OpenMayaRender
オープンソースの顔認識フレームワーク『OpenBR』
Unity ARKitプラグインサンプルのチュートリアルを読む
Russian3DScannerのトポロジー転送ツール『WrapX』
UnityでShaderの入力パラメータとして行列を渡す
写真に3Dオブジェクトを違和感無く合成する『3DPhotoMagic』
ニューラルネットワークで画像分類
ニューラルネットワークと深層学習
Maya API Reference
PyMC:Pythonのベイズ統計ライブラリ
Qlone:スマホのカメラで3Dスキャンできるアプリ
組み込み向けのWindows OS 『Windows Embedded』
AndroidもopenGLも初心者さ (でもJavaは知ってるよ)
OpenMVS:Multi-View Stereoによる3次元復元ライブラリ
ManuelBastioniLAB:人体モデリングできるBlenderアドオン
konashiのサンプルコードを動かしてみた
TeleSculptor:空撮動画からPhotogrammetryするツール
RSSフィードを読込んで表示するWordpressプラグイン『RSSImport』
法線マップを用意してCanvas上でShadingするサンプル
MVStudio:オープンソースのPhotogrammetryツール
顔検出・認識のAPI・ライブラリ・ソフトウェアのリスト
3Dスキャンしたテクスチャから照明を除去するUnityツール『De Lighting tool』
Webサイトのワイヤーフレームが作成できるオンラインツール

コメント