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

Mitsuba 2:オープンソースの物理ベースレンダラ
C++始めようと思うんだ
Geogram:C++の3D幾何アルゴリズムライブラリ
TensorFlowでCGを微分できる『TensorFlow Graphics』
WordPressのサーバ引っ越し方法を考える
まだ続くブログの不調
Mayaのシェーディングノードの区分
PyTorch3D:3Dコンピュータービジョンライブラリ
trimesh:PythonでポリゴンMeshを扱うライブラリ
U-Net:ディープラーニングによるSemantic Segmentation手法
iPadをハンディ3Dスキャナにするガジェット『iSense 3D Scanner』
ブログの復旧が難航してた話
UnityのTransformクラスについて調べてみた
Unityの薄い本
Faster R-CNN:ディープラーニングによる一般物体検出手法
組み込み向けのWindows OS 『Windows Embedded』
OpenCVでカメラ画像から自己位置認識 (Visual Odometry)
Mitsuba 3:オープンソースの研究向けレンダラ
顔画像処理技術の過去の研究
サンプルコードにも間違いはある?
UnrealCV:コンピュータビジョン研究のためのUnreal Engineプラグイン
WordPressのテーマを自作する
AMIMOTO(PVM版)で作成したインスタンスをAMIMOTO (HVM版)へ移行する
Google XML Sitemap Generatorプラグインを3.4.1へダウングレード
チャットツール用bot開発フレームワーク『Hubot』
OpenCV
geometry3Sharp:Unity C#で使えるポリゴン操作ライブラリ
libigl:軽量なジオメトリ処理ライブラリ
iPhone・iPod touchで動作する知育ロボット『ROMO』
ポリゴンジオメトリ処理ライブラリ『pmp-library (Polygon Mesh Process...
PCA (主成分分析)
OpenCLに対応したオープンソースの物理ベースレンダラ『LuxRender(ルクスレンダー)』
PyMC:Pythonのベイズ統計ライブラリ
UnityプロジェクトをGitHubで管理する
PyDataTokyo主催のDeep Learning勉強会
自前Shaderの件 解決しました
コンピュータビジョンの技術マップ
Super Resolution:OpenCVの超解像処理モジュール
Point Cloud Consortiumのセミナー「3D点群の未来」に行ってきたよ
ZBrush 2018での作業環境を整える
DCGAN (Deep Convolutional GAN):畳み込みニューラルネットワークによる敵...
ブログが1日ダウンしてました

コメント