[三维重建]bundle环境搭建和编译

柔情只为你懂 2022-03-31 10:40 461阅读 0赞

**作者：Joseph Pan （转载请注明出处[http://www.cnblogs.com/weizhoupan/archive/2011/03/05/Intro\_on\_Bundler.html][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/][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][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/][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)][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：

![2011030500322867.jpg][]

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。

![2011030422471748.png][]

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。

![2011030422515390.png][]

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。

![2011030422543931.png][]

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/][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：

![复制代码][copycode.gif]

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

![复制代码][copycode.gif]

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。

[http_www.cnblogs.com_weizhoupan_archive_2011_03_05_Intro_on_Bundler.html]: http://www.cnblogs.com/weizhoupan/archive/2011/03/05/Intro_on_Bundler.html
[Photo Tourism]: http://phototour.cs.washington.edu/
[Sparse Bundle Adjustment]: http://www.ics.forth.gr/%7Elourakis/sba/
[http_phototour.cs.washington.edu_bundler]: http://phototour.cs.washington.edu/bundler/
[bundler-v0.3-binary.zip]: http://phototour.cs.washington.edu/bundler/distr/bundler-v0.3-binary.zip
[bundler-v0.4-source.zip]: http://phototour.cs.washington.edu/bundler/distr/bundler-v0.4-source.zip
[bundler-v0.4-source.tar.gz]: http://phototour.cs.washington.edu/bundler/distr/bundler-v0.4-source.tar.gz
[setup.exe]: http://cygwin.com/setup.exe
[http_www.programarts.com_cfree_ch_doc_help_UsingCF_CompilerSupport_Cygwin_Cygwin1.htm]: http://www.programarts.com/cfree_ch/doc/help/UsingCF/CompilerSupport/Cygwin/Cygwin1.htm
[http_www.cs.ubc.ca_lowe_keypoints]: http://www.cs.ubc.ca/%7Elowe/keypoints/
[SIFT demo program _Version 4_ July 2005]: http://www.cs.ubc.ca/%7Elowe/keypoints/siftDemoV4.zip
[2011030500322867.jpg]: /images/20220331/78dff019dfd4443ab2ee6303bd44abae.png
[2011030422471748.png]: /images/20220331/8c9f82cc07af4582b4097554540c1cc1.png
[2011030422515390.png]: /images/20220331/6816d558492945eb934bcd8bb2be7827.png
[2011030422543931.png]: /images/20220331/bd87728a525e4a118c5f11dd18d0efcf.png
[http_graphics.stanford.edu_software_scanalyze]: http://graphics.stanford.edu/software/scanalyze/
[copycode.gif]: /images/20220331/b47d3ba399eb4252b32e1ee8985c971d.png
[PMVS2]: http://grail.cs.washington.edu/software/pmvs/