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)


スポンサーリンク

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

TensorFlowでCGを微分できる『TensorFlow Graphics』
Unityで学ぶC#
Unreal Engineの薄い本
CGAN (Conditional GAN):条件付き敵対的生成ネットワーク
Raspberry Pi 2を買いました
3Dスキャンに基づくプロシージャルフェイシャルアニメーション
UnityプロジェクトをGitHubで管理する
DensePose:画像中の人物表面のUV座標を推定する
Amazon EC2ログイン用の秘密鍵を無くした場合の対処方法
Python.NET:Pythonと.NETを連携させるパッケージ
Mechanizeで要認証Webサイトをスクレイピング
MLDemos:機械学習について理解するための可視化ツール
WordPressプラグインによるサイトマップの自動生成
ポイントクラウドコンソーシアム
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『Pylearn2』
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
ベイズ推定とグラフィカルモデル
CNN Explainer:畳み込みニューラルネットワーク可視化ツール
HD画質の無駄遣い
1枚の画像からマテリアルを作成できる無料ツール『Materialize』
Mayaのプラグイン開発
書籍『ROSプログラミング』
ポリゴンジオメトリ処理ライブラリ『pmp-library (Polygon Mesh Process...
iOSで使えるJetpac社の物体認識SDK『DeepBelief』
Open Shading Language (OSL)
GoogleのDeep Learning論文
Super Resolution:OpenCVの超解像処理モジュール
PSPNet (Pyramid Scene Parsing Network):ディープラーニングによ...
Regard3D:オープンソースのStructure from Motionツール
RefineNet (Multi-Path Refinement Network):ディープラーニン...
サンプルコードにも間違いはある?
3D復元技術の情報リンク集
UnityでTweenアニメーションを実装できる3種類の無料Asset
Netron:機械学習モデルを可視化するツール
SSD (Single Shot Multibox Detector):ディープラーニングによる一般...
Raspberry PiのGPIOを操作するPythonライブラリ『RPi.GPIO』の使い方
機械学習で遊ぶ
C++の抽象クラス
TorchStudio:PyTorchのための統合開発環境とエコシステム
Polyscope:3Dデータ操作用GUIライブラリ
Dlib:C++の機械学習ライブラリ
ニューラルネットワークで画像分類

コメント