Bundler的安装和配置

作者:Joseph Pan (转载请注明出处http://www.cnblogs.com/weizhoupan/archive/2011/03/05/Intro_on_Bundler.html)

一、什么是Bundler

  Bundler是一个采用C和C++开发的称为sfm(struct-from-motion)的系统,它能够利用无序的图片集合(例如来自网络的图片)重建出3D的模型。最早的版本被用在Photo Tourism的项目上。

  Bundler的输入是一些图像、图像特征以及图像匹配信息,输出则是一个根据这些图像反应的场景的3D重建模型,伴有少量识别得到的相机以及场景几何信息。系统借用一个由Lourakis 和Argyros提供的称为Sparse Bundle Adjustment的开发包的修改版,一点一点递增地重建出图像场景。Bundler已经成功的应用在许多网络相册系统,尤其是一些建筑相册里。

  下面我们就来了解一下Bundler的下载、安装和开发环境配置。

二、Bundler的下载

  Bundler的下载页面在:http://phototour.cs.washington.edu/bundler/

  如果只需要得到windows下的可执行文件,可以直接下载:bundler-v0.3-binary.zip

  如果需要得到源代码,则可以下载目前较新的版本:bundler-v0.4-source.zip 或者:bundler-v0.4-source.tar.gz (两者没区别,后者是Linux下的常用压缩格式)。

三、Bundler的安装配置

  以Windows为例。下载Bundler后,将其解压到一个路径,比如:E:\bundler(下面都以BASE_PATH来代替)

  在成功执行Bundler前,我们需要做几步准备工作:

  1.下载和安装Cygwin。Cygwin是许多自由软件的集合,最初由Cygnus Solutions开发,用于各种版本的Microsoft Windows上,运行UNIX类系统。由于Bundler默认是通过在Unix环境下执行shell脚本来启动Bundler的,因为在Windows环境下需要安装Cygwin以执行shell脚本。

  要下载cygwin,直接在setup.exe上点右键“另存为”即可。也可以复制右边这个地址:http://cygwin.com/setup.exe

  cygwin的安装比较简单,可以参考这篇教程:http://www.programarts.com/cfree_ch/doc/help/UsingCF/CompilerSupport/Cygwin/Cygwin1.htm

  但要注意一点,Bundler程序中会使用perl、python来进行一些预处理,因此在安装过程中需要把Devel、Perl、Python三个组件库都选上。

  下载安装的时间比较久,需要等待一段时间。安装过程中一些杀毒软件(比如360)可能会提示一些安全警告,无视即可。

  2.下载特征检测器。Bundler推荐使用SIFT来进行特征提取,可以到SIFT的作者David Lowe的主页上下载他提供的SIFT Demo作为我们的检测器。下载页面为: http://www.cs.ubc.ca/~lowe/keypoints/ 或者直接点击右边的下载地址下载:SIFT demo program (Version 4, July 2005)

  下载完成后,解压该文档,将目录下的siftWin32.exe文件拷贝到BASE_PATH\bin目录中。

  3.准备图片。将要进行分析处理的图片放到一个目录里,比如BASE_PATH\Pictures\中(下面也统一以Pictures代替图片目录)。作为例子,Bundler自己也提供了两套图片,分别放在BASE_PATH\examples\ET和BASE_PATH\examples\kermit中。

  4.运行Bundler。打开Cygwin,cd定位到BASE_PATH目录下,然后输入下面的命令:

./RunBundler.sh Pictures

  关于Bundler还提供了许多种命令行选项,具体的用法可以参考BASE_PATH\README.txt文件。

  如果只想测试一下例子的图片,则可以键入:

./RunBundler.sh examples/ET
或者:
./RunBundler.sh examples/Kermit

  图2就是运行ET例子的截图:

  

          图2 Windows下使用cygWin执行Bundler的结果

  Linux下的安装则简单一些。主要的区别在于以下几点:

  1.由于Linux本身支持shell,因此不需要安装Cygwin。

  2.下载Lowe的SIFT Demo后,自带的siftWin32.exe已不可用。需要通过手动make编译得到sift的可执行文件。完成后将sift文件拷贝到BASE_PATH\bin目录中。

  3.完成了上面两步后还不够,如果直接执行RunBundler.sh脚本,会提示图3所示的错误。

  

                图3 提示缺少共享库文件错误

  这是因为我们没有设置好共享库。最直接的做法是将BASE_PATH\bin目录下的libANN_char.so复制到/lib中:

$ sudo cp libANN_char.so /lib

  此时再执行一次RunBundler.sh脚本,即可顺利执行完毕得到结果,如图4所示。

  

            图4 Linux下Bundler的运行结果

四、Bundler的输出格式

  我们可以在BASE_PATH\Bundler目录下找到生成的结果。如图5所示。

  

           图5 Bundler目录下存放的处理结果

  Bundler输出的文件大多以“bundle_*.out”的形式来命名,我们称之为“bundle文件”。缺省命令下,Bundler在每张图片经过分析和注册(register)后都会输出一个相应的bundle文件用来保存当前的状态信息,并以“bundle_<n>.out”的形式命名。当所有的文件都注册后,Bundler就会输出一个最终的文件“bundle.out”。另外,每一回合结束时还会紧接着生成一些后缀名为“ply”的文件,这些文件包含的是经过重建后的相机和点的信息。这些ply文件可以通过使用专用的查看器scanalyze来查看,地址为:http://graphics.stanford.edu/software/scanalyze/

  这些bundle文件包含了一些经过估算得到的场景和相机几何信息。文件的格式如下:  

# Bundle file v0.3
<num_cameras> <num_points> [2 integers]
<camera1>
<camera2>
...
<cameraN>
<point1>
<point2>
...
<pointM>

  每一个camera实体<cameraI> 的值是估算得到的相机内部和外部参数,形式为:

<f> <k1> <k2> [the focal length, followed by two radial distortion coeffs]
<R> [a 3x3 matrix representing the camera rotation]
<t> [a 3-vector describing the camera translation]

  每个相机的排序根据其在图片列表中的出现顺序来指定。

  每个point实体<pointI>格式为:

<position> [a 3-vector describing the 3D position of the point]
<color> [a 3-vector describing the RGB color of the point]
<view list> [a list of views the point is visible in]

  其中,view list存放的是每一个点所在的场景列表的信息,开头第一个数是每个场景列表的长度信息,然后紧接着分别是相机索引信息、该点所在的SIFT关键点序列的索引信息,以及该关键点所在的位置。

  根据这些bundle文件内容以及小孔成像模型,我们就可以大致得到每台相机的参数:

  focal length (f),

  two radial distortion parameters (k1and k2),

  rotation (R),

  translation (t)。

  按照下面的法则我们可以将一个3D点X投影到参数为(R,t,f)的相机中:

P = R * X + t (conversion from world to camera coordinates)
p
= -P / P.z (perspective division)
p
' = f * r(p) * p (conversion to pixel coordinates)

  其中,P.z是P的z坐标值。r(p)是一个用来计算出径向畸变(radial distortion)校正的尺度变量值的函数:

r(p) = 1.0 + k1 * ||p||^2 + k2 * ||p||^4.

  最后,利用上面的公式还可以得到相机的方向(viewing direction)为:

R' * [0 0 -1]' (i.e., the third row of R or third column of R')

  其中,' 表示一个矩阵或者向量的转置,而相机的空间位置就为: 

-R' * t .

五、总结

  本文介绍了如何使用Bundler来根据图片得到相机参数以及一些空间点云数据,并详细介绍了它在Windows和Linux下的安装和配置方法,以及输出结果的格式。得到的数据将能够运用在3D重建中。利用Bundler可以得到较为稀疏的点云(point clouds)数据。如果需要得到更密集的点,可以使用Yasutaka Furukawa博士写的另外一个非常强大的软件包,称为PMVS2。一种比较常见的途径是使用Bundler来得到相机参数,然后使用Bundle2PMVS程序,将生成结果转换为PMVS2的输入,然后使用PMVS2来得到更密集的点云。另外,读者们可能会对另外一个同样由Furukawa博士开发的实用工具——CMVS感兴趣,CMVS是一个场景聚类程序,在使用PMVS2前可以使用它来进行一些预处理。

  下一篇博文将进一步介绍如何在Linux下编译Bundle的源代码。

posted @ 2011-03-05 00:35  Joseph Pan  阅读(...)  评论(...编辑  收藏