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

windowsのエクスプローラでRAW画像のサムネイルを表示するソフト『FastPictureVie...

FCN (Fully Convolutional Network):ディープラーニングによるSema...

Manim:Pythonで使える数学アニメーションライブラリ

ディープラーニング

ポイントクラウドコンソーシアム

Accord.NET Framework:C#で使える機械学習ライブラリ

Faceshiftで表情をキャプチャしてBlender上でMakeHumanのメッシュを動かすデモ

Facebookの顔認証技術『DeepFace』

Active Appearance Models(AAM)

trimesh:PythonでポリゴンMeshを扱うライブラリ

SSII 2014 デモンストレーションセッションのダイジェスト動画

SSII2014 チュートリアル講演会の資料

PCA (主成分分析)

OpenSfM:PythonのStructure from Motionライブラリ

立体映像プレイヤー『Stereoscopic Player』

hloc:SuperGlueで精度を向上させたSfM実装

MeshLab:3Dオブジェクトの確認・変換に便利なフリーウェア

今年もSSII

Kornia:微分可能なコンピュータービジョンライブラリ

CNN Explainer:畳み込みニューラルネットワーク可視化ツール

統計的な顔モデル

OpenCVで顔のモーフィングを実装する

1枚の画像からマテリアルを作成できる無料ツール『Materialize』

「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

Photogrammetry (写真測量法)

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

書籍『ゼロから作るDeep Learning』で自分なりに学ぶ

ニューラルネットワークと深層学習

iPadをハンディ3Dスキャナにするガジェット『iSense 3D Scanner』

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

OpenMVSのサンプルを動かしてみる

BlenderでPhotogrammetryできるアドオン

Connected Papers:関連研究をグラフで視覚的に探せるサービス

Kubric:機械学習用アノテーション付き動画生成パイプライン

FreeMoCap Project:オープンソースのマーカーレスモーションキャプチャ

Python.NET:Pythonと.NETを連携させるパッケージ

OpenCV 3.1から追加されたSfMモジュール

prosper

OpenFace:Deep Neural Networkによる顔の個人識別フレームワーク

KelpNet:C#で使える可読性重視のディープラーニングライブラリ

Mitsuba 2:オープンソースの物理ベースレンダラ

Virtual Network Computing

コメント