Bundler+PMVS+Ubuntu14.04
为了有结果的对比,需要编译运行CMVS_PMVS,一开始在网上搜了一些教程,
这一篇很详细,Ubuntu 16.04下安装Bunlder和PMVS(CMVS)
以下整理本地的步骤:
- 下载 Bundler
从Git主页上拉下来最新的Bunlder比较保险
一开始从主页上载下来bundler-v0.4-source.tar.gz,
出现了error cannot call constructor 'SkeletalApp::BundlerApp'
如果想要用v4.0, 那么下载下来之后,解压:
tar -zxvf bundler-v0.4-source.tar.gz
- 编译运行Bundler
1). 安装 GFortran:sudo apt-get install gfortran
2). 安装依赖的外部库:
1 LAPACK: 线性代数计算库
2 BLAS: 基础线性代数子程序,LAPACK自带
3 libjpeg:jpeg库,Ubuntu自带
4 libz:通用目的的压缩库
下载LAPACK编译包:wget http://www.netlib.org/lapack/lapack-3.3.0.tgz
:
tar -zxvf lapack-3.3.0.tgz
cd lapack-3.3.0
cp make.inc.example make.inc
注意,如果系统环境不是ubuntu+fortran,则需要修改make.inc
在编译LAPACK之前需要编译BLAS,修改LAPACK makefile第11行:
lib: blaslib lapacklib tmglib
保存之后,make
整个工程,
会生成blas_LINUX.a,lapack_LINUX.a, tmglib_LINUX.a三个文件,
重命名为libblas.a,liblapack.a,libtmglib.a之后,拷贝到Bundler源码下的lib目录
zlib的主页上下载最新的版本 zlib-1.2.11:
wget http://zlib.net/zlib-1.2.11.tar.gz
编译安装过程如下:
cd zlib-1.2.11
./configure
make
sudo make install
4). sift的安装编译
作者的主页可以下载到SIFTdemo到本地,解压之后,
make
得到可运行程序 SIFT运行格式如下:
./sift < pgm_filename > key_filename
注意,这里的 '<' 表示输入重定向,即将pgm_filename的内容以二进制的格式读入,存放在标准输入流cin
'>' 表示输出重定向,会将cout的内容写到key_filename
举个例子:
int main(int argc, char *argv[]) {
string filename;
cin >> filename;
cout << filename;
}
运行时terminal输入:
./main test.txt
, test.txt中的内容为:this is a test file.
aiming at testing the standard stream re-direction operation
那么terminal会输出,
this is a test file
,如果terminal输入: ./main test.txt test.out
,此时terminal原本的输入会直接写入到test.out文件中。5). 编译安装Bundler
将SIFT文件拷贝到Bundler的工程目录下,make即可进行编译安装,编译成功在bin目录下会出现Bundler
设置共享库,将bin目录下的libANN_char.so复制到系统的/lib下:
sudo cp libANN_char.so /lib
6). 测试Bundler
Bundler提供了两组测试数据在examples目录下,分别是ET,kermit,测试:
cd examples/ET
../../RunBundler.sh
结果输出,bundler.out 以及 一些稀疏点云存放在图像目录下的bundler文件,格式解释如下:
ignore
7). jhead
运行过程中,如果出现错误:
[extract_focal] Error: jhead not found. Please install jhead to ./bin
需要安装jhead包:
sudo apt-get install jhead
安装完成后需要将jhead文件拷贝到./bin下
sudo cp /usr/bin/jhead ./bin
【Bundler+PMVS+Ubuntu14.04】7). 替换SIFT文件
Lowe提供的SIFT文件,对图像大小有限制,不超过4000,需要进行替换,
目前可用的有VLfeat和Opencv,用opencv写了一个。
要替换SIFT,需要保证输入输出一致。
前面提到了输入输出都用到了标准流的重定向,即直接把文件内容写到标准流。
此时用opencv提供搞得imdecode()来读取图像内容即可。
inline bool qing_load_image(std::istream& in, const int mode, Mat& img) {
std::vector
in >> std::noskipws;
std::copy(std::istream_iterator
img = imdecode(Mat(data), mode);
if(0!=img.data) return true;
else return false;
}
输出格式以.key后缀结尾,格式如下:
1 pts_size pts_dimension
2 keypt[0].row keypt[0].col keypt[0].scale keypt[0].angle
3 keypt[0].descriptor[0] keypt[0].descriptor[1] ... keypt[0].descriptor[pts_dimension-1]
4 keypt[1].row keypt[1].col keypt[1].scale keypt[1].angle
... ...
opencv提供了
cv::Keypoint
类型,其中的
size
即为scale
,angle
需要换算成[-pi,pi]
编译运行得到SIFT文件之后替换掉Bunlder的bin目录下的原来的SIFT即可。
opencv的结果会比作者的要差一些,数目上就少点
推荐阅读
- 郡主颂(清)[本书还有其它版本,如明朝](连载)
- 电影史上最意味深长的一个回眸,煽了我们所有人一耳光
- 理想和现实之间总会有落差
- 天使三阶B10莫晃有2017-09-010第五周检视
- 赶紧看,《小戏骨白蛇传》完整版,有笑有哭有感动!
- 大千老师讲养生
- 投稿|实话实说,折叠屏手机还有好几公里路要走
- 曾经有一点动心
- 有充足的睡眠的重要性有多大
- 我们都有间歇性努力症