visualsfm使用步骤.doc

学习开源SFM软件使用报告第一步：运行VisualSFM1. 输入一系列图片拍照注意事项： 相机共中心能拼接全景，但是给不出三维重建的深度信息要以待重建的对象为中心，围着它每转10-20度拍一张，这样转一圈，有不同高度信息更好VisualSFM没有照片数量限制，照片越多，重建出的细节越丰富，但重建过程花费时间越长2.  特征检测及匹配因照片可能存在旋转、缩放或亮度变化，此过程利用SIFT算法提取、描述特征，用 RANSAC算法过滤掉误匹配此过程亦可利用GPU加速工作状态实时显示在侧边的log窗口此过程是图像匹配、自动空三处理，也就是恢复照片在拍摄时的姿态3. 利用SFM进行稀疏3D重建利用 SFM 方法，通过迭代求解出相机参数和三维点坐标即重建出3D模型的稀疏点云若有“bad”相机（位置错误或朝向错误），结合工具栏上的“3+”按钮和手型按钮即可删除之，使结果更准确4. 利用  CMVS/PMVS 进行稠密3D重建通过 CMVS 对照片进行聚类，以减少稠密重建数据量，而后利用PMVS从3D模型的稀疏点云开始，在局部光度一致性和全局可见性约束下，经过匹配、扩散、过滤 生成带真实颜色的稠密点云。

至此，VisualSFM的工作告一段落，结果都已存盘可以得到照片的p矩阵，保存在一个txt文件夹下，在visualize文件夹下是纠正过后的影像文件若因图片匹配失败或图片较少导致某区域重建失败或重建出的某区域细节不足，可以返回添加一些这个区域的照片，重新来过但因特征检测和匹配的结果已存盘（ 每张图像对应的.sift 和 .mat文件），所以已经匹配好的图像不必再次匹配，会更快完成第二步：运行SURE_densematching1. VisualSFM所得结果处理txt文件下的p矩阵复制出来粘贴到visualize文件夹下，然后全选visualize文件夹下的纠正过后的影像文件及对应的p矩阵复制到SURE文件下的TEST文件夹内2. 点击dense.bat运行最终sure文件下las格式的就是所得到的每一张影像对应一个点云文件第三步：运行CloudCompare打开每一张影像对应一个点云文件。