cpfind - Интернет в облаке

ПРОГРАММА:

ИМЯ

cpfind - Соответствие функций для панорамного сшивания

СИНТАКСИС

cpfind [параметры] -o выход_проект проект.pto

cpfind [параметры] -k i0 -k i1 [...] проект.pto

cpfind [параметры] --kall проект.pto

ОПИСАНИЕ

cpfind cpfind - это детектор контрольных точек для Hugin. Ожидается, что файл проекта будет входным
и в случае успеха записывает файл проекта с контрольными точками. Это зависит от разумного объектива
информация во входном файле проекта.

Первый шаг - описание функции: на этом шаге изображения файла проекта
загружены и ищутся так называемые ключевые точки. Они описывают судьбоносные черты
изображения. cpfind использует дескриптор на основе градиента для описания функции
ключевые точки.

На втором этапе сопоставления функций все ключевые точки двух изображений сопоставляются с
друг друга, чтобы найти особенности, которые есть на обоих изображениях. Если это совпадение было успешным, два
ключевые точки на двух изображениях становятся одной контрольной точкой.

ИСПОЛЬЗОВАНИЕ

прямолинейный и Рыбий изображений
Cpfind может находить контрольные точки на прямолинейных изображениях и изображениях «рыбий глаз». Чтобы добиться хорошего контроля
указывает изображения с высоким горизонтальным полем зрения (например, сверхширокие прямолинейные или
рыбий глаз), поэтому переназначены в конформное пространство (cpfind использует стереографический
проекция), и в этом пространстве происходит сопоставление признаков. Перед написанием контрольной
точки координаты переносятся обратно в пространство изображения. Это происходит автоматически
в зависимости от информации об объективе во входном файле проекта. Так что проверьте, что ваш
Входной файл проекта содержит разумную информацию об используемом объективе.

. Селеста
Панорама на открытом воздухе часто содержит облака. Облака - плохая область для установки контрольных точек
потому что они движущийся объект. Cpfind может использовать тот же алгоритм, что и celeste_standalone, чтобы
замаскированные области, содержащие облака. (Это делается только для ключевой точки
шаг поиска и не меняет альфа-канал вашего изображения. Если вы хотите сгенерировать
изображение маски используйте celeste_standalone). Чтобы запустить cpfind с помощью celeste, используйте

cpfind --celeste -o выход.pto input.pto

Использование cpfind со встроенным celeste должно быть лучше, чем использование cpfind и
celeste_standalone последовательный. При запуске cpfind с областями облаков celeste, которые
часто содержит ключевые точки с высоким показателем качества, игнорируются и области без
вместо них используются облака. При запуске cpfind без celeste также отображаются ключевые точки в облаках.
нашел. При последующем запуске celeste_standalone эти контрольные точки удаляются. в
в худшем случае удаляются все контрольные точки определенной пары изображений.

Таким образом, запуск cpfind с celeste приводит к лучшему "качеству контрольной точки" для наружных
панорама (например, панорама с облаками). Запуск cpfind с celeste занимает больше времени, чем cpfind
в одиночестве. Поэтому для внутренней панорамы этот параметр указывать не нужно (из-за более длинных
время расчета).

Шаг celeste можно точно настроить с помощью параметров --celesteRadius и
--celesteПорог.

Согласование стратегия
Все пар

Это стратегия сопоставления по умолчанию. Здесь все пары изображений сопоставляются с каждым
Другие. Например, если ваш проект содержит 5 изображений, то cpfind соответствует парам изображений: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 и 3-4

Эта стратегия работает для всех стратегий стрельбы (однорядные, многорядные, неупорядоченные). Он находит
(почти) все связанные пары изображений. Но для проектов с
много изображений, потому что он тестирует множество пар изображений, которые не связаны.

Линейные приводы совпадение

Эта стратегия сопоставления лучше всего подходит для однорядных панорам:

cpfind --linearmatch -o выход.pto input.pto

Это будет обнаруживать совпадения только между соседними изображениями, например, для примера с 5 изображениями это
будет соответствовать парам изображений 0-1, 1-2, 2-3 и 3-4. Расстояние согласования может быть увеличено
с переключателем --линеарматчлен. Например, с --linearmatchlen 2 cpfind сопоставит изображение
со следующим изображением и изображением после следующего, в нашем примере это будет 0-1, 0-2, 1-2,
1-3, 2-3, 2-4 и 3-4.

Многорядный согласование

Это оптимизированная стратегия сопоставления для однорядной и многорядной панорамы:

cpfind --multirow -o выход.pto input.pto

Алгоритм такой же, как и для многорядной панорамы. Интегрируя это
алгоритм в cpfind работает быстрее, используя несколько ядер современных процессоров и не кэшируя
ключевые точки на диске (что отнимает много времени). Если вы хотите использовать этот многорядный
сопоставление внутри hugin установите тип детектора контрольной точки на Все изображения сразу.

Ключевые точки кэширование в диск

Расчет ключевых точек занимает некоторое время. Таким образом, cpfind предлагает возможность сохранить
ключевые точки в файл и повторно использовать их позже. С --kall ключевые точки для всех изображений
в проекте сохраняются на диск. Если вам нужны только ключевые точки конкретного изображения, используйте
параметр -k с номером изображения:

cpfind --kall input.pto
cpfind -k 0 -k 1 input.pto

Файлы ключевых точек по умолчанию сохраняются в том же каталоге, что и изображения с
расширение .key. В этом случае не происходит совпадения изображений и, следовательно, нет выходного проекта.
файл должен быть указан. Если cpfind найдет ключевые файлы для изображения в проекте, он будет использовать
их автоматически и больше не запускать дескриптор функции на этом изображении. Если хотите
сохраните их в другом каталоге, используя переключатель --keypath.

Эту процедуру также можно автоматизировать с помощью ключа --cache:

cpfind --cache -o выход.pto input.pto

В этом случае он пытается загрузить существующие файлы ключевых точек. Для изображений, у которых нет
keypoint файла, ключевые точки обнаруживаются и сохраняются в файл. Тогда он соответствует всем загруженным
и вновь найденные ключевые точки и записывает выходной проект.

Если вам больше не нужен ключевой файл, его можно удалить автоматически,

cpfind --clean input.pto

РАСПРОСТРАНЕНИЯ ДОПОЛНИТЕЛЬНЫЕ УСЛУГИ, НЕ ВКЛЮЧЕННЫЕ В ПАКЕТ

Особенность описание
Из соображений скорости cpfind использует изображения, масштабируемые до их половинной ширины и высоты,
чтобы найти ключевые точки. С переключателем --fullscale cpfind работает с полноразмерными изображениями.
Это занимает больше времени, но может обеспечить «лучшие» и / или дополнительные контрольные точки.

Шаг описания функции можно настроить с помощью параметров:

--sieve1width
Сито 1: количество ковшей по ширине (по умолчанию: 10)

--sieve1height
Сито 1: количество ковшей по высоте (по умолчанию: 10)

--sieve1size
Сито 1: максимальное количество очков на ведро (по умолчанию: 100)

--kdtreesteps
KDTree: шаги поиска (по умолчанию: 200)

--kdtree Seconddist

KDTree: расстояние 2-го совпадения (по умолчанию: 0.25)

Cpfind сохраняет максимальные ключевые точки sieve1width * sieve1height * sieve1size для каждого изображения. если ты
иметь только небольшое перекрытие, например, для панорамной съемки 360 градусов с изображениями рыбьего глаза вы можете
получите лучшие результаты, если увеличите размер sieve1size. Вы также можете попробовать увеличить sieve1width
и / или sieve1height.

Особенность согласование
Точная настройка шага согласования по следующим параметрам:

- переводчик
Ransac: итерации (по умолчанию: 1000)

- трансактист
Ransac: пороговое значение расстояния для оценки гомографии (в пикселях) (по умолчанию: 25)

--ransacmode (авто, hom, rpy, rpyv, rpyb)
Выберите модель, используемую на этапе выкупа.

hom: Предположим гомографию. Применимо только для неширокоугольного
Просмотры. Использует исходный паноматический код. Кроме того, он более гибкий
чем требуется, и может генерировать ложные совпадения, особенно если большинство
матчей расположены в одной строке.

rpy: выравнивание изображений по крену, тангажу и рысканью. Это требует хорошего
оценка для горизонтального поля зрения (и искажения, для
сильно искаженные изображения). Это предпочтительный режим, если
калиброванная линза используется, или HFOV может быть успешно прочитан
из данных EXIF.

rpyv: выровняйте пару, оптимизируя крен, тангаж, рыскание и поле
Посмотреть. Должен работать без предварительного знания поля зрения,
но может чаще выходить из строя из-за функции ошибки, используемой в
panotools, он имеет тенденцию сжимать fov до 0.

rpyvb: выровняйте пару, оптимизируя крен, тангаж, рыскание, поле зрения и
параметр искажения "b". Наверное, очень хрупкий, просто
реализовано для тестирования.

auto: используйте гомографию для изображений с hfov <65 градусов и rpy в противном случае.

--минматчи
Минимальное количество совпадений (по умолчанию: 4)

--sieve2width
Сито 2: количество ковшей по ширине (по умолчанию: 5)

--sieve2height
Сито 2: количество ковшей по высоте (по умолчанию: 5)

--sieve2size
Сито 2: максимальное количество очков на ведро (по умолчанию: 2)

Cpfind генерирует между minmatches и sieve2width * sieve2height * sieve2size
контрольные точки между парой изображений. (Значение по умолчанию от 4 до 50 (= 5 * 5 * 2)
контрольных точек на пару изображений.) Если меньше, чем min, контрольные точки найдены для
для данной пары изображений эти контрольные точки не учитываются, и эта пара изображений
считает неподключенным. Для узких перекрытий вы можете попытаться уменьшить минимальные совпадения,
но это увеличивает риск ошибиться в контрольных точках.

ДОПОЛНИТЕЛЬНЫЕ УСЛУГИ, НЕ ВКЛЮЧЕННЫЕ В ПАКЕТ

--celesteRadius
Радиус для celeste (по умолчанию 20)

--celesteThreshold
Порог для celeste (по умолчанию 0.5)

--целеста
Запустите идентификацию celeste sky после загрузки изображений, это игнорирует все функции
ассоциируется с «облаками».

-p <строка, --keypath
Путь к ключевым файлам кеширования

--чистый
Очистить кешированные ключевые файлы

-c, --кэш
Кэширует ключевые точки во внешний файл

--звонить
Напишите ключевые файлы для всех изображений

-k , --writekeyfile
Напишите ключевой файл для этого номера изображения (принимается несколько раз)

-o , --выход
Выходной файл, требуется

-n , --ncores
Количество ЦП / ядер (по умолчанию: автоматическое определение)

-t, --тестовое задание
Включает тестовый режим

- полномасштабный
Использует полноразмерное изображение для обнаружения ключевых точек (по умолчанию: false)

--sieve1width
Сито 1: количество ковшей по ширине (по умолчанию: 10)

--sieve1height
Сито 1: количество ковшей по высоте (по умолчанию: 10)

--sieve1size
Сито 1: максимальное количество очков на ведро (по умолчанию: 100)

--kdtreesteps
KDTree: шаги поиска (по умолчанию: 200)

--kdtree Seconddist
KDTree: расстояние 2-го совпадения (по умолчанию: 0.15)

- многорядный
Включить эвристическое сопоставление нескольких строк (по умолчанию: выключено)

--лайнарматч
Включить линейное сопоставление изображений (по умолчанию: все пары)

--linearmatchlen
Количество изображений для сопоставления при линейном сопоставлении (по умолчанию: 1)

--минматчи
Минимальное количество совпадений (по умолчанию: 4)

- переводчик
Ransac: итерации (по умолчанию: 1000)

- трансактист
Ransac: пороговое значение расстояния для оценки гомографии (в пикселях) (по умолчанию: 25)

--sieve2width
Сито 2: количество ковшей по ширине (по умолчанию: 5)

--sieve2height
Сито 2: количество ковшей по высоте (по умолчанию: 5)

--sieve2size
Сито 2: максимальное количество очков на ведро (по умолчанию: 2)

--, --ignore_rest
Игнорирует остальные помеченные аргументы, следующие за этим флагом.

--версия
Отображает информацию о версии и завершает работу.

-h, --Помогите
Отображает информацию об использовании и завершает работу.

АВТОРЫ

Анаэль Орлински, Пабло д'Анджело, Антуан Делефорж, Томас Модес

«Версия: 2015.0.0» 2016-01-06 CPFIND(1)

Используйте cpfind онлайн с помощью сервисов onworks.net