Ubuntu20.04运行openmvg和openmvs实现三维重建(未成功,仅供参考)

一..openmvg

1.进入数据集目录并创建输出目录

bash 复制代码
cd /home/huang/Data/Mine_Dyn_1
mkdir -p output/matches -p

2. 生成SfM数据文件列表:

bash 复制代码
openMVG_main_SfMInit_ImageListing -i ./image -o output/matches -f 254266

−f=焦距(像素)×长边像素数

−f=429.6772386499×592−f=429.6772386499×592

进行计算:

−f≈254266.0000000032−f≈254266.0000000032

在实际使用时,四舍五入到最接近的整数,即 254266。

./image 表示当前目录下的 image 文件夹

3.计算图像特征点和描述子

计算图像特征点和描述子,生成这样100_7100.desc 100_7100.feat 的文件

bash 复制代码
openMVG_main_ComputeFeatures -i output/matches/sfm_data.json -o output/matches/

确保 sfm_data.json 文件已在上一步生成。

4.计算匹配关系

bash 复制代码
openMVG_main_ComputeMatches -i output/matches/sfm_data.json -o output/matches/matches.txt

5. 生成稀疏点云

复制代码
openMVG_main_SfM -i output/matches/sfm_data.json -o output/matches/ --match_file output/matches/matches.txt

6.提取矫正后的图像(可选)

bash 复制代码
openMVG_main_ExportUndistortedImages -i output/matches/sfm_data.json -o output/matches/image

这个命令是可选的,它会提取矫正后的图像,这些图像可以用于后续的稠密重建。

7.转换成MVS格式

转换成mvs的格式,同时在当前目录下生成undistorted_images文件夹并存储矫正后的图像

bash 复制代码
openMVG_main_openMVG2openMVS -i output/matches/sfm_data.bin -o output/scene.mvs

这个命令会将OpenMVG的SfM数据转换为OpenMVS可以处理的格式,并在当前目录下生成一个名为undistorted_images的文件夹,存储了矫正后的图像。

二..openmvs

1. 切换到OpenMVS目录

bash 复制代码
cd /home/huang/install/openMVS_build/bin

2.将 undistorted_images 复制到 openMVS_build 目录下

bash 复制代码
cp /home/huang/Data/Mine_Dyn_1/undistorted_images ../ -r

3.稠密化稀疏点云scene.mvs,生成scene_dense.mvs

bash 复制代码
./DensifyPointCloud /home/huang/Data/Mine_Dyn_1/output/scene.mvs

4.使用稠密点云scene_dense.mvs,网格重建,生成scene_dense_mesh.mvs

bash 复制代码
./ReconstructMesh /home/huang/Data/Mine_Dyn_1/output/scene_dense.mvs

5 网格优化,生成scene_dense_mesh_refine.mvs

bash 复制代码
./RefineMesh /home/huang/Data/Mine_Dyn_1/output/scene_dense_mesh.mvs

6.纹理贴图

bash 复制代码
./TextureMesh /home/huang/Data/Mine_Dyn_1/output/scene_dense_mesh_refine.mvs

7.显示结果

bash 复制代码
./Viewer /home/huang/Data/Mine_Dyn_1/output/scene_dense_mesh_refine_texture.mvs

出现了蓝屏(empty)

如果在可视化三维重建结果时遇到蓝屏或显示为空(empty),可能有几个原因导致这种情况:

  1. **相机参数不正确**:

如果相机参数(如焦距、主点位置等)不正确,可能导致重建结果出现错误,从而在可视化时出现蓝屏或空场景。

  1. **点云数据不足**:

如果点云数据量不足或者点云质量差,可能无法生成有效的三维模型,导致可视化结果为空。

  1. **深度图估计失败**:

在深度图估计阶段,如果算法无法正确估计深度信息,可能会导致后续的三维重建失败。

  1. **过滤过度**:

在深度图过滤阶段,如果过滤条件设置得太严格,可能会导致大量深度信息丢失,影响后续的点云融合和网格重建。

  1. **网格重建算法问题**:

如果网格重建算法出现问题,或者参数设置不当,可能会导致无法生成有效的网格。

  1. **纹理映射失败**:

如果纹理映射阶段出现问题,可能会导致可视化结果出现蓝屏或纹理缺失。

  1. **软件或硬件兼容性问题**:

可能是由于软件与硬件之间的兼容性问题,导致可视化结果不正确。

  1. **CUDA或GPU问题**:

如果CUDA配置不正确或GPU驱动程序存在问题,可能会影响OpenMVS的性能和结果。

  1. **内存不足**:

如果系统内存不足,可能导致三维重建过程中的某些步骤失败。

  1. **输出文件损坏**:

输出文件(如PLY或OBJ文件)可能在保存或传输过程中损坏,导致无法正确加载和可视化。

要解决这个问题,你可以尝试以下步骤:

  • **检查相机参数**:确保相机参数正确无误。

  • **检查点云数据**:查看点云数据是否足够且质量良好。

  • **调整过滤参数**:适当调整深度图过滤参数,避免过度过滤。

  • **检查网格重建参数**:检查网格重建算法的参数设置是否合理。

  • **更新软件和驱动**:确保OpenMVS和CUDA驱动程序是最新版本。

  • **检查硬件资源**:确保系统有足够的内存和GPU资源。

  • **验证输出文件**:检查输出文件是否完整且未损坏。

检查了一下, 打开scene.mvs就有问题,后面还得改错...

相关推荐
柠檬味拥抱5 分钟前
基于强化学习的智能体自主决策
人工智能
wu279015 分钟前
MYSQL笔记2
数据库·笔记·mysql
平和男人杨争争19 分钟前
机器学习11——支持向量机上
人工智能·机器学习·支持向量机
Yn31221 分钟前
LinearSVC 参数配置详解及其应用
人工智能·机器学习·支持向量机
源之缘-OFD先行者25 分钟前
基于YOLOv11的无人机目标检测实战(Windows环境)
人工智能·yolo·目标检测
CoovallyAIHub36 分钟前
从大象到老鼠,FPN如何一次搞定?多尺度检测核心解析
深度学习·算法·计算机视觉
yergen40 分钟前
【具身智能】本地实时语音识别kaldi在正点原子RK3588上部署
人工智能·语音识别
蹦蹦跳跳真可爱5891 小时前
Python----目标检测(使用YOLOV8网络训练人脸)
人工智能·python·yolo·目标检测
AI视觉网奇1 小时前
docker 安装windows
人工智能·深度学习
西岭千秋雪_1 小时前
RabbitMQ队列的选择
笔记·分布式·学习·rabbitmq·ruby