OpenMVG数据结构

SfM_Data,Regions和的数据结构进行阐述PairWiseMatches。数据SfM_data结构是用于存储以下关系的通用容器：

Views图像文件名和对相机固有和姿势的引用
Intrinsics相机内部参数
Poses相机外参数
Landmarks3D 结构（3D 点及其可见性信息）

struct SfM_Data
{
  Views views;           /// reference to the used images (each image link to a pose and intrinsic camera id)
  Poses poses;           /// poses data (indexed by view.id_pose)
  Intrinsics intrinsics; /// intrinsics camera data (indexed by view.id_intrinsic)
  Landmarks structure;   /// Structure (3D points with their 2D observations)
...
};

数据Regions结构是用于存储图像描述的通用容器：

特征（基于点）
描述符（可以是标量或二进制值的向量）

该PairWiseMatches数据结构用于存储图像对之间对应特征的索引。笔记：

SfM_data/Views是独一无二的，而Intrinsics，Poses可以共享。
此SfM_Data结构 IO 可以是 JSON/XML/BINARY 以简化与您的工具的互操作性或 PLY（仅输出）以实现可视化。

OpenMVG 管道围绕两个主要概念进行阐述：

抽象数据提供者
- Features_provider
- Regions_Provider
- Matches_Provider
抽象处理引擎
- ReconstructionEngine

此 API 允许轻松实施新管道并使用用户想要利用的任何数据格式。这里概述了 OpenMVG 数据结构、数据提供程序、二进制文件和管道系统：

图像数据集上的OpenMVG

向您解释如何在图像上运行 OpenMVG SfM 管道。

注意：OpenMVG 将尝试检索图像的像素焦距。如果不能，它会抱怨No Intrinsic found，您将能够在场景初始化阶段使用-f X * 1.2with提交一个大概的焦距。X = Max(image <Width, Height>)

我们的管道由链接多个 OpenMVG 二进制文件的 Python 脚本组成（即初始化、图像匹配，然后是 SfM）。

样本数据

为了让您玩转管道，我们建议您先尝试这些图像数据集：OpenMVG 图像数据集

您会发现针孔[低分辨率/高分辨率] 和 360 图像。

顺序和增量 SfM 管道

$ cd openMVG_Build/software/SfM/
$ python SfM_SequentialPipeline.py [full path image directory] [resulting directory]
$ python SfM_SequentialPipeline.py ~/home/user/data/ImageDataset_SceauxCastle/images ~/home/user/data/ImageDataset_SceauxCastle/Castle_Incremental_Reconstruction

全球 SfM 管道

$ cd openMVG_Build/software/SfM/
$ python SfM_GlobalPipeline.py [full path image directory] [resulting directory]
$ python SfM_GlobalPipeline.py ~/home/user/data/ImageDataset_SceauxCastle/images ~/home/user/data/ImageDataset_SceauxCastle/Castle_Global_Reconstruction

如何可视化、重用 OpenMVG SfM 管道输出

请使用 Meshlab 或 CloudCompare 并打开文件cloud_and_poses.ply。

相机轨迹以绿点显示
3D 结构显示为white或colored点 -> 请参阅colorized.ply。

生成的 SfM 输出存储在sfm_data.bin文件中。此文件可以转换为JSON/XML供第 3 方使用或PLY用于可视化。这些转换可以通过使用完成openMVG_main_ConvertSfM_DataFormat（请注意，您可以选择要导出的数据，例如，如果您只需要姿势信息来显示相机轨迹，则可以保持 JSON 输出紧凑）。

OpenMVG 二进制文件

这里描述了在这些 Python 管道中使用的主要二进制文件：

图像匹配/检索

任务	描述
初始化场景 `openMVG_main_SfMInit_ImageListing`	`sfm_data`使用引用输入图像的视图和对相机模型的引用来初始化场景。 - 每个视图都引用一个内在 Id 和一个姿势 Id。请注意，此二进制文件允许选择您的图像正在使用的相机型号。
描述图像 `openMVG_main_ComputeFeatures`	`Regions`为文件的所有视图计算请求的特征 ( ) `sfm_data`。
图像匹配 `openMVG_main_ComputeMatches`	计算成对匹配。

运动结构特定方法

任务	描述
`openMVG_main_SfM --sfm_engine INCREMENTAL`	从 2 视图开始重建并依次添加剩余视图。
`openMVG_main_SfM --sfm_engine INCREMENTALV2`	从 2 或 n 视图开始重建，然后依次添加剩余视图。这条管道比更快`openMVG_main_IncrementalSfM`但更不准确。
`openMVG_main_SfM --sfm_engine GLOBAL`	计算对或图像之间的相对运动，然后使用运动平均来同时解决所有相机姿势。
`openMVG_main_ComputeStructureFromKnownPoses`	通过对匹配项进行三角测量或沿对极线查找对应点，检索已知相机位置的场景（点云）的结构。

本土化

任务	描述
`openMVG_main_SfM_Localization`	检索现有`sfm_data`场景中的图像位置。

OpenMVG Wiki Home

概述