服装网站怎么做的,wordpress文章分类页面,php网站怎么做post订单,健身器材 网站模版目录 1 图像的特征匹配 2 图像中提取GPS位置信息 2.1 写入GPS信息到图像中 2.2 读取带有GPS的图像 3 SIFT/AKAZE/AKAZE_MLDB特征提取对比 4 GMS Filter 5 将球形全景图转换为6个透视视图 6 照片组重建点云 1 图像的特征匹配 #include openMVG/features/feature.…目录 1 图像的特征匹配 2 图像中提取GPS位置信息 2.1 写入GPS信息到图像中 2.2 读取带有GPS的图像 3 SIFT/AKAZE/AKAZE_MLDB特征提取对比 4 GMS Filter 5 将球形全景图转换为6个透视视图 6 照片组重建点云  1 图像的特征匹配 #include openMVG/features/feature.hpp // 引入特征处理相关功能 #include openMVG/features/sift/SIFT_Anatomy_Image_Describer.hpp // 引入SIFT特征描述器 #include openMVG/features/svg_features.hpp // 引入SVG特征可视化功能 #include openMVG/image/image_io.hpp // 引入图像输入输出功能 #include openMVG/image/image_concat.hpp // 引入图像拼接功能 #include openMVG/matching/regions_matcher.hpp // 引入区域匹配功能 #include openMVG/matching/svg_matches.hpp // 引入匹配结果的SVG可视化功能 #include third_party/stlplus3/filesystemSimplified/file_system.hpp // 引入文件系统处理功能#include cstdlib #include string #include iostreamusing namespace openMVG; // 使用openMVG命名空间简化代码 using namespace openMVG::image; // 使用image子命名空间 using namespace openMVG::matching; // 使用matching子命名空间int main() {ImageRGBColor image; // 定义RGB颜色空间的图像变量// 定义两个图像文件的路径使用stlplus库函数获取相对路径std::string jpg_filenameL stlplus::folder_up(std::string(THIS_SOURCE_DIR)) /imageData/StanfordMobileVisualSearch/Ace_0.png;std::string jpg_filenameR stlplus::folder_up(std::string(THIS_SOURCE_DIR)) /imageData/StanfordMobileVisualSearch/Ace_1.png;Imageunsigned char imageL, imageR; // 定义两个灰度图像变量ReadImage(jpg_filenameL.c_str(), imageL); // 读取左图像ReadImage(jpg_filenameR.c_str(), imageR); // 读取右图像// 检测图像中的特征区域using namespace openMVG::features; // 使用features子命名空间std::unique_ptrImage_describer image_describer(new SIFT_Anatomy_Image_describer); // 创建SIFT特征描述器std::mapIndexT, std::unique_ptrfeatures::Regions regions_perImage; // 创建一个存储每幅图像特征区域的容器image_describer-Describe(imageL, regions_perImage[0]); // 描述左图像的特征区域image_describer-Describe(imageR, regions_perImage[1]); // 描述右图像的特征区域// 获取特征区域的位置const PointFeaturesfeatsL regions_perImage.at(0)-GetRegionsPositions(), // 左图像的特征位置featsR regions_perImage.at(1)-GetRegionsPositions(); // 右图像的特征位置// 将两幅图像并排显示{Imageunsigned char concat; // 定义一个图像变量用于存放拼接后的图像ConcatV(imageL, imageR, concat); // 纵向拼接两幅图像std::string out_filename 00_images.jpg; // 定义输出文件名WriteImage(out_filename.c_str(), concat); // 写出拼接后的图像}// 将检测到的特征转换为SIFT特征类型const SIFT_Regions* regionsL dynamic_castSIFT_Regions*(regions_perImage.at(0).get());const SIFT_Regions* regionsR dynamic_castSIFT_Regions*(regions_perImage.at(1).get());// 在两幅图像上绘制特征点{Features2SVG(jpg_filenameL,{ imageL.Width(), imageL.Height() }, // 左图像的尺寸regionsL-Features(), // 左图像的特征jpg_filenameR,{ imageR.Width(), imageR.Height() }, // 右图像的尺寸regionsR-Features(), // 右图像的特征01_features.svg // 输出SVG文件名);}// 执行匹配操作找到最近邻点并通过距离比率过滤std::vectorIndMatch vec_PutativeMatches; // 定义存储匹配对的容器{// 找到对应点matching::DistanceRatioMatch(0.8, matching::BRUTE_FORCE_L2, // 使用L2范数和0.8的距离比率阈值*regions_perImage.at(0).get(),*regions_perImage.at(1).get(),vec_PutativeMatches); // 存储匹配结果// 绘制经过最近邻比率过滤后的对应关系const bool bVertical true; // 设置SVG图像为垂直布局Matches2SVG(jpg_filenameL,{ imageL.Width(), imageL.Height() }, // 左图像尺寸regionsL-GetRegionsPositions(), // 左图像特征位置jpg_filenameR,{ imageR.Width(), imageR.Height() }, // 右图像尺寸regionsR-GetRegionsPositions(), // 右图像特征位置vec_PutativeMatches, // 匹配对02_Matches.svg, // 输出SVG文件名bVertical // 使用垂直布局);}// 显示一些统计信息std::cout featsL.size() Features on image A std::endl featsR.size() Features on image B std::endl vec_PutativeMatches.size() matches after matching with Distance Ratio filter std::endl;return EXIT_SUCCESS; // 程序成功执行完毕 }2 图像中提取GPS位置信息 2.1 写入GPS信息到图像中 准备带有GPS的照片 ExifTool by Phil Harvey 当前目录下执行CMD查看dog图片的信息 exiftool(-k).exe D:\CPlusProject\MVS_program\ALLTestData\GPSImage\dog.jpg 添加GPS信息到该图片中经纬度和高程  exiftool(-k).exe -GPSLatitude34.052234 -GPSLatitudeRefN -GPSLongitude-118.243685 -GPSLongitudeRefW -GPSAltitude10 -GPSAltitudeRef0 D:\CPlusProject\MVS_program\ALLTestData\GPSImage\dog.jpg检查是否有GPS的信息  2.2 读取带有GPS的图像 读取带有GPS的图像然后将GPS信息转换为ECEF随后保存下来。 #include openMVG/exif/exif_IO_EasyExif.hpp // 引入处理EXIF信息的头文件 #include openMVG/geodesy/geodesy.hpp // 引入地理学相关的头文件#include software/SfM/SfMPlyHelper.hpp // 引入辅助导出PLY文件的头文件#include third_party/stlplus3/filesystemSimplified/file_system.hpp // 引入处理文件系统的头文件 #include third_party/cmdLine/cmdLine.h // 引入命令行处理的头文件#include iostream #include memory #include stringusing namespace openMVG; // 使用openMVG命名空间 using namespace openMVG::exif; // 使用exif子命名空间 using namespace openMVG::geodesy; // 使用geodesy子命名空间int main(int argc, char** argv) {std::stringsInputDirectory , // 定义输入目录的字符串sOutputPLYFile GPS_POSITION.ply; // 定义输出PLY文件的名称CmdLine cmd; // 创建命令行对象// 添加输入目录和输出文件的命令行选项cmd.add(make_option(i, sInputDirectory, input-directory));cmd.add(make_option(o, sOutputPLYFile, output-file));try{if (argc 1) throw std::string(Invalid parameter.); // 如果没有提供参数抛出异常cmd.process(argc, argv); // 处理命令行参数}catch (const std::string s) // 捕获异常{// 如果捕获到异常显示帮助信息并退出std::cout Geodesy demo:\n Export as PLY points the parsed image EXIF GPS positions,\n -[i|input-directory] Directory that will be parsed.\n -- OPTIONAL PARAMETERS --\n -[o|output-file] Output PLY file.\n std::endl;std::cerr s std::endl;return EXIT_FAILURE;}// 初始化EXIF读取器std::unique_ptrExif_IO exifReader(new Exif_IO_EasyExif);if (!exifReader){std::cerr Cannot instantiate the EXIF metadata reader. std::endl;return EXIT_FAILURE;}std::vectorVec3 vec_gps_xyz_position; // 定义一个存储XYZ坐标的向量size_t valid_exif_count 0; // 有效的EXIF数据计数// 获取输入目录下的所有文件const std::vectorstd::string vec_image stlplus::folder_files(sInputDirectory);for (const std::string it_string : vec_image){const std::string sImageFilename stlplus::create_filespec(sInputDirectory, it_string);// 尝试解析EXIF元数据exifReader-open(sImageFilename);// 检查是否存在EXIF数据if (!exifReader-doesHaveExifInfo())continue; // 如果没有EXIF信息则跳过此图像valid_exif_count; // 有效EXIF计数加一// 检查是否存在GPS坐标double latitude, longitude, altitude; // 定义纬度、经度和高度变量if (exifReader-GPSLatitude(latitude) exifReader-GPSLongitude(longitude) exifReader-GPSAltitude(altitude)){// 将GPS坐标转换为ECEF XYZ坐标并添加到向量中vec_gps_xyz_position.push_back(lla_to_ecef(latitude, longitude, altitude));}}// 输出报告std::cout std::endl Report:\n #file listed: vec_image.size() \n #valid exif data: valid_exif_count \n #valid exif gps data: vec_gps_xyz_position.size() std::endl;// 如果没有有效的GPS数据退出程序if (vec_gps_xyz_position.empty()){std::cerr No valid GPS data found for the image list std::endl;return EXIT_FAILURE;}// 导出XYZ坐标到PLY文件if (plyHelper::exportToPly(vec_gps_xyz_position, sOutputPLYFile)){std::cout sOutputPLYFile - successfully exported on disk. std::endl;return EXIT_SUCCESS; // 成功导出}return EXIT_FAILURE; // 导出失败 }3 SIFT/AKAZE/AKAZE_MLDB特征提取对比 三者的区别网上多的是但是还是因地制宜多试试。代码在之前博客中已经详细介绍了。 1. SIFT (Scale-Invariant Feature Transform) 主要特点SIFT 是一种用于检测和描述图像中的局部特征的算法。它对旋转、尺度缩放、亮度变化保持不变性对视角变化、仿射变换、噪声也具有一定的稳定性。应用广泛用于图像匹配、物体识别、3D重建、追踪等。优点鲁棒性强特征描述符独特且信息丰富。缺点计算量大速度较慢对于实时应用可能不太合适。 2. AKAZE (Accelerated-KAZE) 主要特点AKAZE 是 KAZE 的加速版本使用快速显著性检测和非线性尺度空间技术。它提供了一种计算效率更高的特征检测和描述符提取方法。应用适用于需要快速特征提取的场景如实时视频处理、移动应用中的图像识别等。优点比 KAZE 更快保留了对尺度和旋转的不变性。缺点虽然比 SIFT 快但在特征描述符的区分度和鲁棒性方面可能略逊一筹。 3. AKAZE_MLDB (Modified Local Difference Binary) 主要特点AKAZE_MLDB 是 AKAZE 的变体使用二进制字符串作为特征描述符以进一步提高计算效率和匹配速度。应用特别适用于对速度要求很高且对匹配准确性要求较高的应用。优点速度快内存需求低适合在资源受限的设备上运行。缺点虽然速度快但相较于 SIFT其特征描述符的鉴别力可能较低。 总结 速度和效率AKAZE AKAZE_MLDB SIFT。特征鉴别力和鲁棒性SIFT AKAZE AKAZE_MLDB。适用场景SIFT 更适合对特征描述的鲁棒性和准确性要求较高的复杂应用AKAZE 和 AKAZE_MLDB 更适合对计算速度和效率要求较高的应用。 // This file is part of OpenMVG, an Open Multiple View Geometry C library.// Copyright (c) 2015 Pierre MOULON.// This Source Code Form is subject to the terms of the Mozilla Public // License, v. 2.0. If a copy of the MPL was not distributed with this // file, You can obtain one at http://mozilla.org/MPL/2.0/.#include openMVG/image/image_io.hpp #include openMVG/image/image_concat.hpp #include openMVG/features/akaze/image_describer_akaze.hpp #include openMVG/features/sift/SIFT_Anatomy_Image_Describer.hpp #include openMVG/features/svg_features.hpp #include openMVG/matching/regions_matcher.hpp #include openMVG/matching/svg_matches.hpp#include third_party/stlplus3/filesystemSimplified/file_system.hpp #include third_party/cmdLine/cmdLine.h #include memory #include stringusing namespace openMVG; using namespace openMVG::image;int main(int argc, char **argv) {// Add options to choose the desired Image_describerstd::string sImage_describer_type SIFT;CmdLine cmd;cmd.add( make_option(t, sImage_describer_type, type) );try {if (argc 1) throw std::string(Invalid command line parameter.);cmd.process(argc, argv);} catch (const std::string s) {std::cerr Usage: argv[0] \n \n[Optional]\n [-t|--type\n (choose an image_describer interface):\n SIFT: SIFT keypoint descriptor,\n AKAZE: AKAZE keypoint floating point descriptor] std::endl;std::cerr s std::endl;return EXIT_FAILURE;}const std::string jpg_filenameL stlplus::folder_up(std::string(THIS_SOURCE_DIR)) /imageData/StanfordMobileVisualSearch/Ace_0.png;const std::string jpg_filenameR stlplus::folder_up(std::string(THIS_SOURCE_DIR)) /imageData/StanfordMobileVisualSearch/Ace_1.png;Imageunsigned char imageL, imageR;ReadImage(jpg_filenameL.c_str(), imageL);ReadImage(jpg_filenameR.c_str(), imageR);assert(imageL.data() imageR.data());// Call Keypoint extractorusing namespace openMVG::features;std::unique_ptrImage_describer image_describer;if (sImage_describer_type SIFT)image_describer.reset(new SIFT_Anatomy_Image_describer(SIFT_Anatomy_Image_describer::Params()));else if (sImage_describer_type AKAZE)image_describer AKAZE_Image_describer::create(AKAZE_Image_describer::Params(AKAZE::Params(), AKAZE_MSURF));else if (sImage_describer_type AKAZE_MLDB)image_describer AKAZE_Image_describer::create(AKAZE_Image_describer::Params(AKAZE::Params(), AKAZE_MLDB));if (!image_describer){std::cerr Invalid Image_describer type std::endl;return EXIT_FAILURE;}//--// Detect regions thanks to the image_describer//--std::mapIndexT, std::unique_ptrfeatures::Regions regions_perImage;image_describer-Describe(imageL, regions_perImage[0]);image_describer-Describe(imageR, regions_perImage[1]);//--// Display used images Features//--{//- Show images side by sideImageunsigned char concat;ConcatH(imageL, imageR, concat);const std::string out_filename 00_images.jpg;WriteImage(out_filename.c_str(), concat);}{//- Draw features on the images (side by side)Features2SVG(jpg_filenameL,{imageL.Width(), imageL.Height()},regions_perImage.at(0)-GetRegionsPositions(),jpg_filenameR,{imageR.Width(), imageR.Height()},regions_perImage.at(1)-GetRegionsPositions(),01_features.svg);}//--// Compute corresponding points//--//-- Perform matching - find Nearest neighbor, filtered with Distance ratiomatching::IndMatches vec_PutativeMatches;matching::DistanceRatioMatch(0.8, matching::BRUTE_FORCE_L2,*regions_perImage.at(0).get(),*regions_perImage.at(1).get(),vec_PutativeMatches);// Draw correspondences after Nearest Neighbor ratio filter{const bool bVertical true;Matches2SVG(jpg_filenameL,{imageL.Width(), imageL.Height()},regions_perImage.at(0)-GetRegionsPositions(),jpg_filenameR,{imageR.Width(), imageR.Height()},regions_perImage.at(1)-GetRegionsPositions(),vec_PutativeMatches,02_Matches.svg,bVertical);}// Display some statisticsstd::cout regions_perImage.at(0)-RegionCount() #Features on image A std::endl regions_perImage.at(1)-RegionCount() #Features on image B std::endl vec_PutativeMatches.size() #matches with Distance Ratio filter std::endl;return EXIT_SUCCESS; }SIFT AKAZE AKAZE_MLDB  4 GMS Filter 将运动平滑约束转换为剔除错误匹配的统计量实验证明该算法能够应对较为棘手的场景提出了一种高效的基于网格的得分估计器使得该算法能够用于实时特征匹配能够取得比Lowe Ratio更好的特征匹配筛选效果该结论已经在传统特征如SIFTSURF以及CNN特征如LIFT上得到验证 GMS一种基于运动统计的快速鲁棒特征匹配过滤算法 - 知乎 (zhihu.com) GMS滤波特征点前需要大量的特征点有利于得到更好的筛选结果  // This file is part of OpenMVG, an Open Multiple View Geometry C library.// Copyright (c) 2017 Pierre MOULON.// This Source Code Form is subject to the terms of the Mozilla Public // License, v. 2.0. If a copy of the MPL was not distributed with this // file, You can obtain one at http://mozilla.org/MPL/2.0/.#include openMVG/image/image_io.hpp #include openMVG/image/image_concat.hpp #include openMVG/features/akaze/image_describer_akaze.hpp #include openMVG/features/sift/SIFT_Anatomy_Image_Describer.hpp #include openMVG/features/svg_features.hpp #include openMVG/matching/regions_matcher.hpp #include openMVG/matching/svg_matches.hpp #include openMVG/robust_estimation/gms_filter.hpp#include third_party/cmdLine/cmdLine.h #include third_party/stlplus3/filesystemSimplified/file_system.hpp#include memory #include stringusing namespace openMVG; using namespace openMVG::image; using namespace openMVG::robust;int main(int argc, char **argv) {// Add options to choose the desired Image_describerstd::string sImage_describer_type SIFT;CmdLine cmd;cmd.add( make_option(t, sImage_describer_type, type) );cmd.add( make_switch(d, distance_ratio));try {if (argc 1) throw std::string(Invalid command line parameter.);cmd.process(argc, argv);} catch(const std::string s) {std::cerr Usage: argv[0] \n \n[Optional]\n [-t|--type\n (choose an image_describer interface):\n SIFT: SIFT keypoint descriptor,\n AKAZE: AKAZE keypoint floating point descriptor]\n AKAZE_MLDB: AKAZE keypoint binary descriptor]\n [-d|distance_ratio] Use distance ratio filter before GMS, else 1-1 matching is used. std::endl;std::cerr s std::endl;return EXIT_FAILURE;}const std::string jpg_filenameL stlplus::folder_up(std::string(THIS_SOURCE_DIR)) /imageData/StanfordMobileVisualSearch/Ace_0.png;const std::string jpg_filenameR stlplus::folder_up(std::string(THIS_SOURCE_DIR)) /imageData/StanfordMobileVisualSearch/Ace_1.png;Imageunsigned char imageL, imageR;ReadImage(jpg_filenameL.c_str(), imageL);ReadImage(jpg_filenameR.c_str(), imageR);assert(imageL.data() imageR.data());// Call Keypoint extractorusing namespace openMVG::features;std::unique_ptrImage_describer image_describer;if (sImage_describer_type SIFT)image_describer.reset(new SIFT_Anatomy_Image_describer(SIFT_Anatomy_Image_describer::Params()));else if (sImage_describer_type AKAZE)image_describer AKAZE_Image_describer::create(AKAZE_Image_describer::Params(AKAZE::Params(), AKAZE_MSURF));else if (sImage_describer_type AKAZE_MLDB)image_describer AKAZE_Image_describer::create(AKAZE_Image_describer::Params(AKAZE::Params(), AKAZE_MLDB));if (!image_describer){std::cerr Invalid Image_describer type std::endl;return EXIT_FAILURE;}// GMS requires to have a lot of featuresimage_describer-Set_configuration_preset(features::ULTRA_PRESET);//--// Detect regions thanks to the image_describer//--std::mapIndexT, std::unique_ptrfeatures::Regions regions_perImage;image_describer-Describe(imageL, regions_perImage[0]);image_describer-Describe(imageR, regions_perImage[1]);//--// Display used images Features//--{//- Show images side by sideImageunsigned char concat;ConcatH(imageL, imageR, concat);const std::string out_filename 00_images.jpg;WriteImage(out_filename.c_str(), concat);}{//- Draw features on the images (side by side)Features2SVG(jpg_filenameL,{imageL.Width(), imageL.Height()},regions_perImage.at(0)-GetRegionsPositions(),jpg_filenameR,{imageR.Width(), imageR.Height()},regions_perImage.at(1)-GetRegionsPositions(),01_features.svg);}//--// Compute corresponding points//--//-- Perform matching - find Nearest neighbor, filtered with Distance ratiomatching::IndMatches vec_PutativeMatches;const bool distance_ratio_matching cmd.used(d);if (distance_ratio_matching){const float kDistanceRatio 0.8f;matching::DistanceRatioMatch(kDistanceRatio,(sImage_describer_type AKAZE_MLDB) ? matching::BRUTE_FORCE_HAMMING: matching::BRUTE_FORCE_L2,*regions_perImage.at(0).get(),*regions_perImage.at(1).get(),vec_PutativeMatches);}else{matching::Match((sImage_describer_type AKAZE_MLDB) ? matching::BRUTE_FORCE_HAMMING: matching::BRUTE_FORCE_L2,*regions_perImage.at(0).get(),*regions_perImage.at(1).get(),vec_PutativeMatches);}// Draw the putative photometric correspondences{const bool bVertical true;Matches2SVG(jpg_filenameL,{imageL.Width(), imageL.Height()},regions_perImage.at(0)-GetRegionsPositions(),jpg_filenameR,{imageR.Width(), imageR.Height()},regions_perImage.at(1)-GetRegionsPositions(),vec_PutativeMatches,02_Matches.svg,bVertical);}// Display some statisticsstd::cout vec_PutativeMatches.size() #matches Found std::endl;// Apply the GMS filter{std::vectorEigen::Vector2f vec_points_left;{const auto regions_pos regions_perImage.at(0)-GetRegionsPositions();vec_points_left.reserve(regions_pos.size());for (const auto it : regions_pos)vec_points_left.push_back({it.x(), it.y()});}std::vectorEigen::Vector2f vec_points_right;{const auto regions_pos regions_perImage.at(1)-GetRegionsPositions();vec_points_right.reserve(regions_pos.size());for (const auto it : regions_pos)vec_points_right.push_back({it.x(), it.y()});}const int kGmsThreshold 6;robust::GMSFilter gms(vec_points_left, {imageL.Width(), imageL.Height()},vec_points_right, {imageR.Width(), imageR.Height()},vec_PutativeMatches,kGmsThreshold);const bool with_scale_invariance true;const bool with_rotation_invariance true;std::vectorbool inlier_flags;const int nb_inliers gms.GetInlierMask(inlier_flags,with_scale_invariance,with_rotation_invariance);std::cout vec_points_left.size() #Features on image A std::endl vec_points_right.size() #Features on image B std::endl nb_inliers #matches kept by the GMS Filter std::endl;matching::IndMatches vec_gms_matches;for (int i 0; i static_castint(inlier_flags.size()); i){if (inlier_flags[i])vec_gms_matches.push_back(vec_PutativeMatches[i]);}// Draw the correspondences kept by the GMSFilter{const bool bVertical true;Matches2SVG(jpg_filenameL,{imageL.Width(), imageL.Height()},regions_perImage.at(0)-GetRegionsPositions(),jpg_filenameR,{imageR.Width(), imageR.Height()},regions_perImage.at(1)-GetRegionsPositions(),vec_gms_matches,03_GMSMatches.svg,bVertical);}}return EXIT_SUCCESS; }5 将球形全景图转换为6个透视视图 #include openMVG/image/image_io.hpp // 包含处理图像输入输出的头文件 #include openMVG/spherical/cubic_image_sampler.hpp // 包含球形到立方体采样转换的头文件#include third_party/cmdLine/cmdLine.h // 包含命令行处理的第三方库头文件 #include third_party/stlplus3/filesystemSimplified/file_system.hpp // 包含文件系统处理的第三方库头文件#include string // 包含字符串处理的标准库头文件// 将球形全景图转换为6个透视视图立方体全景图 int main(int argc, char** argv) {CmdLine cmd; // 命令行处理对象std::strings_input_image, // 输入图片路径s_output_image; // 输出图片路径// 需要的参数cmd.add(make_option(i, s_input_image, input_image)); // 添加输入图片路径的选项cmd.add(make_option(o, s_output_image, output_image)); // 添加输出图片路径的选项try {if (argc 1) throw std::string(Invalid command line parameter.); // 如果没有提供参数抛出异常cmd.process(argc, argv); // 处理命令行参数}catch (const std::string s) {std::cerr Usage: argv[0] \n [-i|--input_image] the path to the spherical panorama\n [-o|--output_image] the export directory path \n std::endl; // 捕获异常并打印使用方法return EXIT_FAILURE; // 程序异常退出}if (s_input_image.empty() || s_output_image.empty()){std::cerr input_image and output_image options must not be empty std::endl; // 确保输入输出路径不为空return EXIT_FAILURE;}using namespace openMVG; // 使用OpenMVG命名空间image::Imageimage::RGBColor spherical_image; // 创建一个用于存储球形全景图的图像对象if (!ReadImage(s_input_image.c_str(), spherical_image)) // 读取输入的球形全景图{std::cerr Cannot read the input panoramic image: s_input_image std::endl; // 如果读取失败打印错误信息return EXIT_FAILURE;}const double cubic_image_size spherical_image.Width() / 4; // 计算立方体图像的大小这里简单地将球形图像的宽度除以4const openMVG::cameras::Pinhole_Intrinsic pinhole_camera spherical::ComputeCubicCameraIntrinsics(cubic_image_size); // 计算立方体相机内参std::vectorimage::Imageimage::RGBColor cube_images(6); // 创建一个向量用于存储转换后的六个立方体面图像spherical::SphericalToCubic(spherical_image,pinhole_camera,cube_images,image::Sampler2dimage::SamplerNearest() // 使用最近邻采样); // 将球形图像转换为立方体图像if (WriteImage(cube_0.png, cube_images[0]) WriteImage(cube_1.png, cube_images[1]) WriteImage(cube_2.png, cube_images[2]) WriteImage(cube_3.png, cube_images[3]) WriteImage(cube_4.png, cube_images[4]) WriteImage(cube_5.png, cube_images[5])) // 将六个面的图像写入文件return EXIT_SUCCESS; // 成功退出return EXIT_FAILURE; // 如果写入失败程序异常退出 }6 照片组重建点云  图像处理中outlier和inlier分别指什么_inliers-CSDN博客 两张图片重建点云 相机内参  #include openMVG/cameras/Camera_Pinhole.hpp // 包含针孔相机模型头文件 #include openMVG/features/feature.hpp // 包含特征点检测相关头文件 #include openMVG/features/sift/SIFT_Anatomy_Image_Describer.hpp // 包含SIFT特征描述器相关头文件 #include openMVG/features/svg_features.hpp // 包含SVG特征导出相关头文件 #include openMVG/geometry/pose3.hpp // 包含3D姿态相关头文件 #include openMVG/image/image_io.hpp // 包含图像输入输出相关头文件 #include openMVG/image/image_concat.hpp // 包含图像拼接相关头文件 #include openMVG/matching/indMatchDecoratorXY.hpp // 包含匹配点装饰器相关头文件 #include openMVG/matching/regions_matcher.hpp // 包含区域匹配器相关头文件 #include openMVG/matching/svg_matches.hpp // 包含SVG匹配导出相关头文件 #include openMVG/multiview/triangulation.hpp // 包含多视图三角化相关头文件 #include openMVG/numeric/eigen_alias_definition.hpp // 包含Eigen库别名定义头文件 #include openMVG/sfm/pipelines/sfm_robust_model_estimation.hpp // 包含鲁棒模型估计相关头文件#include third_party/stlplus3/filesystemSimplified/file_system.hpp // 包含简化的文件系统操作相关头文件#include iostream // 包含标准输入输出流头文件 #include string // 包含字符串处理头文件 #include utility // 包含实用工具头文件例如pairusing namespace openMVG; // 使用OpenMVG命名空间 using namespace openMVG::matching; // 使用OpenMVG匹配命名空间 using namespace openMVG::image; // 使用OpenMVG图像命名空间 using namespace openMVG::cameras; // 使用OpenMVG相机命名空间 using namespace openMVG::geometry; // 使用OpenMVG几何命名空间/// 从文件中读取内参矩阵KASCII格式 bool readIntrinsic(const std::string fileName, Mat3 K);/// 将3D点向量和相机位置导出到PLY格式 bool exportToPly(const std::vectorVec3 vec_points,const std::vectorVec3 vec_camPos,const std::string sFileName);int main() {// 定义输入目录路径const std::string sInputDir stlplus::folder_up(std::string(THIS_SOURCE_DIR)) /imageData/SceauxCastle/;// 定义两张图片的文件名const std::string jpg_filenameL sInputDir 100_7101.jpg;const std::string jpg_filenameR sInputDir 100_7102.jpg;// 创建两个图像对象Imageunsigned char imageL, imageR;// 读取两张图片ReadImage(jpg_filenameL.c_str(), imageL);ReadImage(jpg_filenameR.c_str(), imageR);//--// 利用图像描述器检测区域//--using namespace openMVG::features; // 使用OpenMVG特征命名空间std::unique_ptrImage_describer image_describer(new SIFT_Anatomy_Image_describer); // 创建SIFT图像描述器std::mapIndexT, std::unique_ptrfeatures::Regions regions_perImage; // 创建存储每张图像区域的映射image_describer-Describe(imageL, regions_perImage[0]); // 描述第一张图像image_describer-Describe(imageR, regions_perImage[1]); // 描述第二张图像// 将区域转换为SIFT区域const SIFT_Regions* regionsL dynamic_castSIFT_Regions*(regions_perImage.at(0).get());const SIFT_Regions* regionsR dynamic_castSIFT_Regions*(regions_perImage.at(1).get());// 获取特征点位置const PointFeaturesfeatsL regions_perImage.at(0)-GetRegionsPositions(),featsR regions_perImage.at(1)-GetRegionsPositions();// 将两张图像并排显示{Imageunsigned char concat;ConcatH(imageL, imageR, concat);std::string out_filename 01_concat.jpg;WriteImage(out_filename.c_str(), concat);}//- 在两幅图像上绘制特征点并排显示{Features2SVG(jpg_filenameL,{ imageL.Width(), imageL.Height() },regionsL-Features(),jpg_filenameR,{ imageR.Width(), imageR.Height() },regionsR-Features(),02_features.svg);}std::vectorIndMatch vec_PutativeMatches; // 创建存储假设匹配的向量//-- 执行匹配 - 寻找最近邻点通过距离比率过滤{// 寻找对应点matching::DistanceRatioMatch(0.8, matching::BRUTE_FORCE_L2,*regions_perImage.at(0).get(),*regions_perImage.at(1).get(),vec_PutativeMatches);IndMatchDecoratorfloat matchDeduplicator(vec_PutativeMatches, featsL, featsR);matchDeduplicator.getDeduplicated(vec_PutativeMatches);std::cout regions_perImage.at(0)-RegionCount() #Features on image A std::endl regions_perImage.at(1)-RegionCount() #Features on image B std::endl vec_PutativeMatches.size() #matches with Distance Ratio filter std::endl;// 绘制经过最近邻比率过滤后的对应点const bool bVertical true;Matches2SVG(jpg_filenameL,{ imageL.Width(), imageL.Height() },regionsL-GetRegionsPositions(),jpg_filenameR,{ imageR.Width(), imageR.Height() },regionsR-GetRegionsPositions(),vec_PutativeMatches,03_Matches.svg,bVertical);}//-----------------------------------------------------------------------------------// 对假设匹配进行基本的几何过滤{Mat3 K; // 创建内参矩阵K// 从文件读取K矩阵if (!readIntrinsic(stlplus::create_filespec(sInputDir, K, txt), K)){std::cerr Cannot read intrinsic parameters. std::endl;return EXIT_FAILURE;}// 定义两个针孔相机内参const Pinhole_IntrinsiccamL(imageL.Width(), imageL.Height(), K(0, 0), K(0, 2), K(1, 2)),camR(imageR.Width(), imageR.Height(), K(0, 0), K(0, 2), K(1, 2));//A. 准备对应的假设点Mat xL(2, vec_PutativeMatches.size());Mat xR(2, vec_PutativeMatches.size());for (size_t k 0; k vec_PutativeMatches.size(); k) {const PointFeature imaL featsL[vec_PutativeMatches[k].i_];const PointFeature imaR featsR[vec_PutativeMatches[k].j_];xL.col(k) imaL.coords().castdouble();xR.col(k) imaR.coords().castdouble();}//B. 通过本质矩阵估计计算相对姿态const std::pairsize_t, size_t size_imaL(imageL.Width(), imageL.Height());const std::pairsize_t, size_t size_imaR(imageR.Width(), imageR.Height());sfm::RelativePose_Info relativePose_info;if (!sfm::robustRelativePose(camL, camR, xL, xR, relativePose_info, size_imaL, size_imaR, 256)){std::cerr /!\\ Robust relative pose estimation failure. std::endl;return EXIT_FAILURE;}std::cout \nFound an Essential matrix:\n \tprecision: relativePose_info.found_residual_precision pixels\n \t#inliers: relativePose_info.vec_inliers.size() \n \t#matches: vec_PutativeMatches.size() std::endl;// 展示经过本质矩阵验证的点const bool bVertical true;InlierMatches2SVG(jpg_filenameL,{ imageL.Width(), imageL.Height() },regionsL-GetRegionsPositions(),jpg_filenameR,{ imageR.Width(), imageR.Height() },regionsR-GetRegionsPositions(),vec_PutativeMatches,//一个匹配对的表示形式为{i_1761 j_1580}这意味着左图像中的第1761个特征点与右图像中的第1580个特征点被认为是匹配的。relativePose_info.vec_inliers,//每个元素如169表示在vec_PutativeMatches中索引为169的匹配对是一个内点即这个匹配对被认为是可靠的能够反映两个图像间真实的几何关系。04_ACRansacEssential.svg,bVertical//true则图像垂直排列如果为false则水平排列);//C. 三角化并导出内点作为PLY场景std::vectorVec3 vec_3DPoints; // 创建3D点向量// 设置相机内参和姿态const Pinhole_Intrinsic intrinsic0(imageL.Width(), imageL.Height(), K(0, 0), K(0, 2), K(1, 2));const Pinhole_Intrinsic intrinsic1(imageR.Width(), imageR.Height(), K(0, 0), K(0, 2), K(1, 2));const Pose3 pose0 Pose3(Mat3::Identity(), Vec3::Zero()); // 第一个相机的姿态const Pose3 pose1 relativePose_info.relativePose; // 第二个相机的姿态// 通过内点的三角化初始化结构std::vectordouble vec_residuals; // 创建存储重投影误差的向量vec_residuals.reserve(relativePose_info.vec_inliers.size() * 4);for (const auto inlier_idx : relativePose_info.vec_inliers) {const SIOPointFeature LL regionsL-Features()[vec_PutativeMatches[inlier_idx].i_];const SIOPointFeature RR regionsR-Features()[vec_PutativeMatches[inlier_idx].j_];// 点三角化Vec3 X; // 三角化得到的3D点const ETriangulationMethod triangulation_method ETriangulationMethod::DEFAULT; // 选择三角化方法if (Triangulate2View(pose0.rotation(), pose0.translation(), intrinsic0(LL.coords().castdouble()),pose1.rotation(), pose1.translation(), intrinsic1(RR.coords().castdouble()),X,triangulation_method)){const Vec2 residual0 intrinsic0.residual(pose0(X), LL.coords().castdouble()); // 计算第一个相机的重投影误差重投影误差是二维的x和y轴上的const Vec2 residual1 intrinsic1.residual(pose1(X), RR.coords().castdouble()); // 计算第二个相机的重投影误差vec_residuals.emplace_back(std::abs(residual0(0))); // 存储误差重投影误差是三维点投影回相机成像平面后的误差它是衡量三维重建质量的一个关键指标。vec_residuals.emplace_back(std::abs(residual0(1)));vec_residuals.emplace_back(std::abs(residual1(0)));vec_residuals.emplace_back(std::abs(residual1(1)));vec_3DPoints.emplace_back(X); // 存储3D点}}// 显示重投影误差的一些统计信息float dMin, dMax, dMean, dMedian; // 定义最小值、最大值、平均值、中位数minMaxMeanMedianfloat(vec_residuals.cbegin(), vec_residuals.cend(),dMin, dMax, dMean, dMedian); // 计算统计值std::cout std::endl Triangulation residuals statistics: \n \t-- Residual min:\t dMin \n \t-- Residual median:\t dMedian \n \t-- Residual max:\t dMax \n \t-- Residual mean:\t dMean std::endl;// 导出为PLY格式相机位置3D点std::vectorVec3 vec_camPos; // 创建存储相机位置的向量vec_camPos.push_back(pose0.center()); // 第一个相机的中心vec_camPos.push_back(pose1.center()); // 第二个相机的中心exportToPly(vec_3DPoints, vec_camPos, EssentialGeometry.ply); // 导出PLY文件}return EXIT_SUCCESS; // 程序成功退出 }bool readIntrinsic(const std::string fileName, Mat3 K) {// 加载K矩阵std::ifstream in;in.open(fileName.c_str(), std::ifstream::in);if (in) {for (int j 0; j 3; j)for (int i 0; i 3; i)in K(j, i); // 从文件读取K矩阵元素}else {std::cerr std::endl Invalid input K.txt file std::endl;return false; // 读取失败}return true; // 读取成功 }bool exportToPly(const std::vectorVec3 vec_points,const std::vectorVec3 vec_camPos,const std::string sFileName) {std::ofstream outfile; // 创建文件输出流outfile.open(sFileName.c_str(), std::ios_base::out); // 打开文件// 写入PLY文件头outfile ply \n format ascii 1.0 \n element vertex vec_points.size() vec_camPos.size() \n property float x \n property float y \n property float z \n property uchar red \n property uchar green \n property uchar blue \n end_header std::endl;// 写入3D点数据for (size_t i 0; i vec_points.size(); i) {outfile vec_points[i].transpose() 255 255 255 \n; // 3D点为白色}// 写入相机位置数据for (size_t i 0; i vec_camPos.size(); i) {outfile vec_camPos[i].transpose() 0 255 0 \n; // 相机位置为绿色}outfile.flush(); // 刷新输出流const bool bOk outfile.good(); // 检查写入是否成功outfile.close(); // 关闭文件return bOk; // 返回写入状态 }