OpenCV 3.3.0 contribのsfmモジュールのサンプルを動かしてみる

数度のトライを経て、OpenCVのバージョン3.3.0でやっとsfmモジュールのビルドが通ったわけです。



ようやくサンプルを試す段階に来た。参考にしてるQiita記事後編へやっと進める。↓
http://qiita.com/ChaoticActivity/items/178d23508b92a09e59ea

記事によると、サンプルを動かすためにまたいくつか手を加える必要がある(笑)


ヘッダーファイルの修正

さて、opencv_contrib-3.3.0/modules/sfm/samples以下にあるsfmのサンプルをそのままビルドしようとすると

reconstruct()が定義されていません

的なエラーが出る。
このエラーの理由は、いくつかのヘッダーファイルで

#if CERES_FOUND

という条件マクロが書かれており、Ceres-Solverの有無でincludeするファイルを選択しているから。なので、この条件がtrueになるようにコンパイラにCeres-Solverが存在することを知らせる必要がある。

で、ちょっと行儀が悪いけど、オイラはもうinclude/opencv2/sfm.hppの冒頭の以下の記述を

#ifndef __OPENCV_SFM_HPP__
#define __OPENCV_SFM_HPP__

#include <opencv2/sfm/conditioning.hpp>
#include <opencv2/sfm/fundamental.hpp>
#include <opencv2/sfm/numeric.hpp>
#include <opencv2/sfm/projection.hpp>
#include <opencv2/sfm/triangulation.hpp>
#if CERES_FOUND
#include <opencv2/sfm/reconstruct.hpp>
#include <opencv2/sfm/simple_pipeline.hpp>
#endif

直接以下のように編集しちゃいました。

#ifndef __OPENCV_SFM_HPP__
#define __OPENCV_SFM_HPP__

#include 
#include 
#include 
#include 
#include 
#include 

#define CERES_FOUND 1

#if CERES_FOUND
#include 
#include 
#endif

サンプルコードの実行

参考記事に倣ってtrajectory_reconstruccion.cppを実行してみる。

おお、特にエラーも無く動作したぞ!



サンプルコードのバグ修正

参考記事によると、このサンプルコードにはバグがあるというか、カメラの軌跡を表示する際に使用しているcv::viz::WTrajectoryに渡す引数が間違っているらしい。
以下の部分を

/// Recovering cameras
  cout << "Recovering cameras ... ";

  vector<Affine3d> path_est;
  for (size_t i = 0; i < Rs_est.size(); ++i)
    path_est.push_back(Affine3d(Rs_est[i],ts_est[i]));

  cout << "[DONE]" << endl;

逆行列に変えて以下のようにすると正しい座標変換になる。

/// Recovering cameras
  cout << "Recovering cameras ... ";

  vector<Affine3d> path_est;
  for (size_t i = 0; i < Rs_est.size(); ++i)
    path_est.push_back(Affine3d(Rs_est[i], ts_est[i]).inv());

  cout << "[DONE]" << endl;

別のサンプルコード

調子に乗ってscene_reconstruction.cppも動かしてみようと思ったら見事エラー…
http://docs.opencv.org/3.3.0/d4/d18/tutorial_sfm_scene_reconstruction.html

え、正しいコマンドライン引数が良く分からんぞ。。。

関連記事

PyMC:Pythonのベイズ統計ライブラリ

OpenSfM:PythonのStructure from Motionライブラリ

UnityでTweenアニメーションを実装できる3種類の無料Asset

CGALDotNet:計算幾何学ライブラリ CGALのC#ラッパー

PeopleSansPeople:機械学習用の人物データをUnityで生成する

Caffe: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

3D Gaussian Splatting:リアルタイム描画できるRadiance Fields

Google App Engine上のWordPressでFlickrの画像を貼る

畳み込みニューラルネットワーク (CNN: Convolutional Neural Network...

AR (Augmented Reality)とDR (Diminished Reality)

自前のShaderがおかしい件

書籍『ゼロから作るDeep Learning』で自分なりに学ぶ

GAN (Generative Adversarial Networks):敵対的生成ネットワーク

スクレイピング

Blender 4.2以降のWindowsPortable版の設定ファイルの保存場所

ポイントクラウドコンソーシアム

R-CNN (Regions with CNN features):ディープラーニングによる一般物体...

SSII2014 チュートリアル講演会の資料

Live CV:インタラクティブにComputer Visionコーディングができるツール

チャットツール用bot開発フレームワーク『Hubot』

clearcoat Shader

Raspberry Piでセンサーの常時稼働を検討する

書籍『仕事ではじめる機械学習』を読みました

Blender 2.8がついに正式リリース!

Mechanizeで要認証Webサイトをスクレイピング

TensorSpace.js:ニューラルネットワークの構造を可視化するフレームワーク

Mayaのレンダリング アトリビュート

TensorFlowでCGを微分できる『TensorFlow Graphics』

ROSの薄い本

DCGAN (Deep Convolutional GAN):畳み込みニューラルネットワークによる敵...

HerokuでMEAN stack

Kaolin:3Dディープラーニング用のPyTorchライブラリ

AfterEffectsプラグイン開発

書籍『3次元コンピュータビジョン計算ハンドブック』を購入

MRenderUtil::raytrace

Boost オープンソースライブラリ

オープンソースの取引プラットフォーム

cvui:OpenCVのための軽量GUIライブラリ

OpenCVでカメラ画像から自己位置認識 (Visual Odometry)

UnityでPoint Cloudを表示する方法

ニューラルネットワークと深層学習

Web経由でRaspberry PiのGPIOを操作したい

コメント