VisualSFM(SFM三维重建工具) 0.5.26 绿色版64位

　　VisualSFM主要运用于SFM的3D重建，他是一个GUI应用程序通过利用多核并行性进行特征检测，利用匹配和调整来快速运行，软件集成了多种工具链，在应对复杂重建项目的时候也具备超强的能力，在重建数据的处理中，采用多核绑定调整，将SFN的三维数据全部整合在一个SiftGPU中，并对其结构的线性时间增量判断三维的重建效果，帮助您在复杂的模型中恢复三维结构；同时，该软件他还提供了几个简单的输出小工具，Mathias Rothermel和Konrad Wenzel的SURE，让您在输出的时候也可以选择多种类型的保存方式！

软件功能

　　基本用法

　　使用VisualSFM GUI

　　通过命令行使用VisualSFM

　　依赖SiftGPU / PBA和PMVS / CMVS

　　典型硬件要求

　　注意高分辨率图像的东西

　　高级用法

　　指定配对列表以进行匹配

　　使用您自己的功能匹配

　　使用自己的特征检测器

　　调整更高速度的参数

　　技术细节

　　相机型号和坐标系

　　焦点初始化

　　中间：特征和匹配

　　输出格式：N-View Match（NVM）

　　使用GUI

　　可视化

　　鼠标控制和导航

　　键盘快捷键

　　一些很酷的功能

　　VisualSFM中的命令行！

　　使用VisualSFM轻松显示动画

　　手动干预重建

　　限制和问题

　　小的GPU内存的潜在问题

　　VisualSFM的局限性

软件特色

　　特征检测速度

　　在GUI模式下，使用“菜单 - >工具 - >启用GPU->自定义参数”

　　在控制台模式下，使用“VisualSFM sfm [+ pmvs]输入输出[SiftGPU参数]”

　　您需要检查SiftGPU的这些参数的文档。

　　通常没有必要这样做，除非你的图形内存不足。

　　特征匹配速度

　　“param_gpu_match_fmax”是在特征匹配中使用的每图像的特征数。默认值为8192，但在大多数情况下，4k应该足够了。请注意，要素按比例排序，因此将使用最大比例的要素。

　　如果你知道图像邻域，如视频中的相邻帧，你应该指定一个匹配对列表，而不是使用完全的成对匹配。

　　大量的时间可能用于保存结果（特别是对于NFS），默认情况下在Linux下启用测试功能以提高效率。可以通过设置param_asynchronous_write = 0或取消选中“Pairwise Matching-> Asynchronous Writes”来禁用它。

　　增量重建速度

　　“param_bundle_full_iteration”是绑定完整模型时的BA迭代次数。

　　“param_bundle_full_frequency”控制执行频繁的全束调整。

　　这两个参数决定了重建的速度。

使用说明

　　1.将图像添加到SfM工作区

　　选项1.“文件 - >打开多图像”。你可以多次这样做。

　　选项2.“SfM->加载NView匹配”。选择包含相对图像路径的TXT文件。

　　选项3.“SfM->加载NView匹配”。从格式中选择“文件夹中的所有Jpeg”，选择一个。

　　或者，当您看到菜单项上的图标时，使用相应的工具栏按钮。

　　2.运行特征检测和完全成对图像匹配

　　点击“SfM-> Pairwise Matching-> Compute Missing Match”

　　您可以返回步骤1，添加更多图片，然后再次计算缺失的匹配项。

　　有关自定义功能检测和功能匹配，请单击此处

　　3.运行稀疏重建

　　“SfM-> Reconstruct Sparse”或相应的工具栏按钮。

　　束调整步骤将自动使用多色束调整。

　　4.使用Yasutaka Furukawa的CMVS / PMVS进行密集重建（自己获取CMVS包）

　　“Sfm-> Reconstruct Dense”。请注意，CMVS / PMVS相关参数存储在nv.ini中

　　将提示您保存[name] .nvm文件，CMVS将在文件夹[name] .nvm.cmvs中运行

　　如果将重建保存到[name] .nvm，[name] .i.ply是第i个模型的结果。

　　*保存SfM工作空间，包括空闲时的任何时间的3D重建

　　“SfM->保存NView匹配”。您可以随后打开保存的3D模型。

　　它默认使用包含所有工作空间信息的NVM格式。

使用方法

　　3D重建 - 使用命令行

　　命令行示例：

　　在增量重建步骤中，如果按“Ctrl + C”一次，它将退出循环并保存当前模型。 如果按“Ctrl + C”三次，将调用exit（0）。

　　使用命令行在大型数据集上应该稍快，因为它不会生成可视化的缩略图（纹理）。 在GUI模式下，您也可以通过单击暂停“||”来跳过像素加载部分 按钮，当它说“加载像素数据...”。

　　指定配对列表以进行匹配

　　这允许匹配部分图像对，而不是进行全对匹配

　　1.写一个包含图像路径对的txt文件; 路径中没有空格！

　　2.将图像加载到VisualSFM;

　　3.使用“SfM->成对匹配 - >计算指定匹配”;

　　4.您可以根据需要指定其他列表的次数。

　　使用您自己的功能匹配

　　1.编写一个包含所有功能匹配的txt文件

　　2.将您的图像（带有功能）载入VisualSFM

　　3.使用“SfM->成对匹配 - >导入功能匹配”

　　4.您可以使用相同的方法再次添加要素匹配。

　　使用自己的特征检测器

　　选项1.你可以编写一个二进制功能检测器，像Lowe的SiftWin32.exe工作。

　　或者你可以编写一个具有类似SiftGPU的接口的共享库。

　　选项2.以Lowe的ASCII格式编写.sift文件，它们将被自动转换为VisualSFM二进制格式。 （让我知道如果有一个错误）。

　　机型号和坐标系

　　小心它与其他SFM软件（如bundler）略有不同。

　　内部摄像机模型有8个参数（7如果径向失真被禁用）

　　输出格式：N-View Match（NVM）

　　VisualSFM将SfM工作区保存到NVM文件中，这些文件包含输入图像路径和多个3D模型。 下面是格式说明

常见问题

　　除PMVS之外的密集重建工具？

　　VisualSFM本地支持运行CMVS / genOption / PMVS2工具链，但是您需要运行Meshlab将密集点转换为网格。

　　使用VisualSFM的几个附加软件：

　　CMP-MVS by Michal Jancosek：这个工具直接生成网格。您需要单击VisualSFM的“重构密集”函数并选择“NVM-> CMP-MVS”来转换数据。

　　SURE由Mathias Rothermel和Konrad Wenzel：SURE本身支持NVM文件格式，您不需要运行导出功能。

　　MVE by Michael Goesele的研究小组：此工具与CMVS / PMVS导出数据格式相同

　　MeshRecon by Zhuoliang Kang：这个工具直接生成网格，并与NVM文件一起工作（没有径向失真，仅Windows）。

　　如果一些GPU计算不工作怎么办？

　　CPU更换功能检测（大多数卡，甚至英特尔不需要）

　　1.获得SIFT二进制（VLFeat的Lowe's）

　　2.将SIFT二进制文件放在同一目录中。

　　3.通过设置param_use_vlfeat_or_lowe选择Lowe的VLFeat二进制

　　4.通过“工具 - >启用GPU->禁用SiftGPU”禁用GPU功能检测。

　　或将参数param_use_siftgpu修改为0以进行永久选择

　　远程解决方案：

　　1.通过终端（GUI的X终端）在支持CUDA的Linux服务器上运行VisualSFM。

　　2.您可以将工作区复制到本地机器进行可视化。

　　使用CPU进行功能匹配（大多数卡甚至英特尔都不需要）

　　禁用GPU功能匹配，取消选中“工具 - >启用GPU->使用GLSL匹配”

　　*。将参数param_use_siftmatchgpu修改为0以进行永久选择

　　使用CPU进行多芯束调整（基于GPU的PBA不支持ATI）

　　Windows：使用非CUDA包。

　　Linux：下载PBA代码，运行make with makefile_no_gpu，并重命名libpba_no_gpu.so

　　到libpba.so，并将其复制到VisualSFM bin文件夹。

　　如果VisualSFM无法找到两个图像进行初始化怎么办？

　　如果VisualSFM找不到一个好的对来初始化，你可以尝试手动选择它。

　　选项1.切换到“2-View 3D points”，使用左/右扫描所有图像对，找到一个3D点对，选择“SfM->更多功能 - >设置初始化对”。

　　选项2.如果您知道哪两个图像是好的，请右键单击“缩略图视图”中的两个图像，在“2-View 3D点”中验证它，然后选择“设置初始化对”。

　　如果VisualSFM生成多个模型怎么办？

　　首先，检查特征检测和匹配是否正常工作。基本上，您检查检测到的功能和匹配的数量，并查看它们是否太小。

　　第二，如果特征检测和匹配工作正常，则有两种不同的情况

　　常见的情况：两个模型不共享足够的图像。问题是由于在非常不同的观点之间缺乏特征匹配。你应该得到更多的图片来覆盖过境的观点。

　　罕见的情况：两个模型共享足够的图像（param_image_reuse_max）。尝试使用“SfM->更多功能 - >合并稀疏模型”（V0.5.26 +），并看看它是否合并模型。这些问题通常是由初始化的选择引起的。您可以删除一个模型，然后尝试继续保留模型的重建