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↓





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。



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。

関連記事

機械学習について最近知った情報

ニューラルネットワークで画像分類

U-Net:ディープラーニングによるSemantic Segmentation手法

OpenMVS:Multi-View Stereoによる3次元復元ライブラリ

Google製オープンソース機械学習ライブラリ『TensorFlow』のWindows版が公開された

機械学習のオープンソースソフトウェアフォーラム『mloss(machine learning ope...

MPFB2:Blenderの人体モデリングアドオン

Adobeの手振れ補正機能『ワープスタビライザー』の秘密

OpenCVでiPhone6sのカメラをキャリブレーションする

ツールの補助で効率的に研究論文を読む

Fast R-CNN:ディープラーニングによる一般物体検出手法

NeuralNetwork.NET:.NETで使えるTensorFlowライクなニューラルネットワー...

CGレンダラ研究開発のためのフレームワーク『Lightmetrica (ライトメトリカ)』

Geogram:C++の3D幾何アルゴリズムライブラリ

OpenCVのfindEssentialMat関数を使ったサンプルを読んでみる

MVStudio:オープンソースのPhotogrammetryツール

3D復元技術の情報リンク集

OpenCV 3.1のsfmモジュールのビルド再び

MLDemos:機械学習について理解するための可視化ツール

OpenGVの用語

CGALDotNet:計算幾何学ライブラリ CGALのC#ラッパー

オープンソースの物理ベースレンダラ『Mitsuba』をMayaで使う

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

「ベンジャミン·バトン数奇な人生」でどうやってCGの顔を作ったのか

Point Cloud Utils:Pythonで3D点群・Meshを扱うライブラリ

openMVGをWindows10 Visual Studio 2015環境でビルドする

CGAN (Conditional GAN):条件付き敵対的生成ネットワーク

統計的な顔モデル

PSPNet (Pyramid Scene Parsing Network):ディープラーニングによ...

CGのためのディープラーニング

Open3D:3Dデータ処理ライブラリ

BGSLibrary:OpenCVベースの背景差分ライブラリ

SONY製のニューラルネットワークライブラリ『NNabla』

オープンソースのプリント基板設計ツール『KiCad』

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』

Point Cloud Consortiumのセミナー「3D点群の未来」に行ってきたよ

BlenderでPhotogrammetryできるアドオン

Boost オープンソースライブラリ

Pylearn2:ディープラーニングに対応したPythonの機械学習ライブラリ

SegNet:ディープラーニングによるSemantic Segmentation手法

OpenCV 3.1とopencv_contribモジュールをVisual Studio 2015で...

BlenderProc:Blenderで機械学習用の画像データを生成するPythonツール

コメント