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

HerokuでMEAN stack

hloc:SuperGlueで精度を向上させたSfM・Vis...

COLMAP:オープンソースのSfM・MVSツール

スクレイピング

Faster R-CNN:ディープラーニングによる一般物体検...

ブログをGoogle App EngineからAmazon ...

AfterEffectsプラグイン開発

Google Chromecast

自前のShaderがおかしい件

書籍『仕事ではじめる機械学習』を読みました

仮想関数

CycleGAN:ドメイン関係を学習した画像変換

Python拡張モジュールのWindows用インストーラー配...

OpenMVSのサンプルを動かしてみる

疑似3D写真が撮れるiPhoneアプリ『Seene』がアップ...

PythonでBlenderのAdd-on開発

CGレンダラ研究開発のためのフレームワーク『Lightmet...

OpenFace:Deep Neural Networkによ...

Mayaのシェーディングノードの区分

Kinect for Windows V2のプレオーダー開始

SONY製のニューラルネットワークライブラリ『NNabla』

iPhoneで3D写真が撮れるアプリ『seene』

geometry3Sharp:Unity C#で使えるポリゴ...

OpenCVでカメラ画像から自己位置認識 (Visual O...

写真に3Dオブジェクトを違和感無く合成する『3DPhotoM...

3D復元技術の情報リンク集

Rerun:マルチモーダルデータの可視化アプリとSDK

VGGT: Visual Geometry Grounded...

Mitsuba 2:オープンソースの物理ベースレンダラ

Math Inspector:科学計算向けビジュアルプログラ...

Super Resolution:OpenCVの超解像処理モ...

プログラムによる景観の自動生成

顔画像処理技術の過去の研究

Point Cloud Consortiumのセミナー「3D...

組み込み向けのWindows OS 『Windows Emb...

Mitsuba 3:オープンソースの研究向けレンダラ

今年もSSII

Alice Vision:オープンソースのPhotogram...

ニューラルネットワークで画像分類

Kubric:機械学習用アノテーション付き動画生成パイプライ...

iOSで使えるJetpac社の物体認識SDK『DeepBel...

Raspberry PiでIoTごっこ

コメント