サイトアイコン NegativeMindException

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。


スポンサーリンク
#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。。。


スポンサーリンク

関連記事

  • Amazon Web ServicesでWordPress
  • MythTV:Linuxでテレビの視聴・録画ができるオープンソースプロジェクト
  • 手を動かしながら学ぶデータマイニング
  • Raspberry Piでセンサーの常時稼働を検討する
  • オープンソースの取引プラットフォーム
  • ポリゴン用各種イテレータと関数セット
  • Pix2Pix:CGANによる画像変換
  • iOSで使えるJetpac社の物体認識SDK『DeepBelief』
  • GoogleのDeep Learning論文
  • Iridescence:プロトタイピング向け軽量3D可視化ライブラリ
  • 1枚の画像からマテリアルを作成できる無料ツール『Materialize』
  • 3分の動画でプログラミングを学習できるサイト『ドットインストール』
  • OpenCVでPhotoshopのプラグイン開発
  • AmazonEC2のインスタンスをt1.microからt2.microへ移行する
  • WordPressのサーバ引っ越し方法を考える
  • MeshLab:3Dオブジェクトの確認・変換に便利なフリーウェア
  • オープンソースのIT資産・ライセンス管理システム『Snipe-IT』
  • 書籍『イラストで学ぶ ディープラーニング』
  • iPadをハンディ3Dスキャナにするガジェット『iSense 3D Scanner』
  • Mayaのシェーディングノードの区分
  • JavaScriptとかWebGLとかCanvasとか
  • trimesh:PythonでポリゴンMeshを扱うライブラリ
  • 顔追跡による擬似3D表示『Dynamic Perspective』
  • チャットツール用bot開発フレームワーク『Hubot』
  • COLMAP:オープンソースのSfM・MVSツール
  • SONYの自律型エンタテインメントロボット『aibo』
  • OANDAのfxTrade API
  • Quartus II
  • Mayaのプラグイン開発
  • iPhoneで3D写真が撮れるアプリ『seene』
  • Paul Debevec
  • ZScript
  • pythonの機械学習ライブラリ『scikit-learn』
  • Point Cloud Libraryに動画フォーマットが追加されるらしい
  • 機械学習について最近知った情報
  • Unityの薄い本
  • YOLO (You Only Look Once):ディープラーニングによる一般物体検出手法
  • Structure from Motion (多視点画像からの3次元形状復元)
  • Mitsuba 3:オープンソースの研究向けレンダラ
  • TorchStudio:PyTorchのための統合開発環境とエコシステム
  • 続・ディープラーニングの資料
  • BlenderProc:Blenderで機械学習用の画像データを生成するPythonツール
  • モバイルバージョンを終了