cpfind - Bulutta Çevrimiçi

Program:

ADI

cpfind - Panoramik dikiş için özellik eşleştirme

SİNOPSİS

cpfind [seçenekler] -o çıktı_projesi proje.pto

cpfind [seçenekler] -k i0 -k i1 [...] proje.pto

cpfind [seçenekler] --kall proje.pto

TANIM

cpfind cpfind, Hugin için bir kontrol noktası detektörüdür. Girdi olarak bir proje dosyası bekler
ve başarı üzerine kontrol noktaları olan bir proje dosyası yazar. Makul lense bağlıdır
girdi proje dosyasındaki bilgiler.

İlk adım özellik açıklamasıdır: Bu adımda proje dosyasının görüntüleri
yüklenen ve sözde anahtar noktalar aranır. Belirleyici özellikleri tanımlarlar.
görüntü. cpfind özellik açıklaması için degrade tabanlı bir tanımlayıcı kullanır.
anahtar noktaları.

İkinci bir adımda, özellik eşleştirme, iki görüntünün tüm anahtar noktaları karşı eşleştirilir.
Her iki görüntüde bulunan özellikleri bulmak için birbirinize. Bu eşleştirme başarılı olursa iki
iki görüntüdeki kilit noktalar tek bir kontrol noktası haline gelir.

KULLANIM

düz çizgili ve balık gözü görüntüleri
Cpfind, doğrusal ve balıkgözü görüntülerde kontrol noktalarını bulabilir. İyi kontrol elde etmek için
yüksek yatay görüş alanına sahip görüntüleri işaret eder (örneğin, ultra geniş doğrusal veya
balıkgözü) bu nedenle uyumlu bir uzaya yeniden eşlenir (cpfind, stereografik
projeksiyon) ve özellik eşleşmesi bu alanda gerçekleşir. Kontrolü yazmadan önce
koordinatlar yeniden görüntü uzayına eşlenir. Bu otomatik olur
giriş proje dosyasındaki lens hakkındaki bilgilere bağlı olarak. Bu yüzden kontrol edin
giriş proje dosyası, kullanılan lens hakkında makul bilgiler içerir.

kullanma celeste
Açık hava panoraması genellikle bulutlar içerir. Bulutlar, kontrol noktaları ayarlamak için kötü alanlardır
çünkü hareketli cisimlerdir. Cpfind, celeste_standalone ile aynı algoritmayı şu şekilde kullanabilir:
bulutlar içeren maskelenmiş alanlar. (Bu yalnızca anahtar nokta için dahili olarak yapılır
adım bulma ve resminizin alfa kanalını değiştirmez. üretmek istiyorsanız
bir maske görüntüsü celeste_standalone kullanın). cpfind'i celeste kullanımıyla çalıştırmak için

cpfind --celeste -o çıktı.pto girdi.pto

cpfind'i entegre celeste ile kullanmak, cpfind kullanmaya karşı üstün olmalıdır ve
celeste_standalone sıralı. cpfind'i bulutların göksel bölgeleriyle çalıştırırken,
genellikle yüksek kaliteli bir ölçüye sahip kilit noktalar içerir, dikkate alınmaz ve
Bunun yerine bulutlar kullanılır. cpfind'i celeste olmadan çalıştırırken, bulutlardaki anahtar noktalar da
bulundu. Daha sonra celeste_standalone çalıştırıldığında bu kontrol noktaları kaldırılır. İçinde
en kötü durumda, belirli bir görüntü çiftinin tüm kontrol noktaları kaldırılır.

Bu nedenle cpfind'i celeste ile çalıştırmak, dış mekan için daha iyi bir "kontrol noktası kalitesi" sağlar
panorama (örneğin bulutlu panorama). cpfind'i celeste ile çalıştırmak cpfind'den daha uzun sürer
tek başına. Bu nedenle, iç mekan panoraması için bu seçeneğin belirtilmesine gerek yoktur (çünkü daha uzun
hesaplama süresi).

Celeste adımı --celesteRadius parametreleriyle ince ayarlanabilir ve
--celesteEşik.

Uygun strateji
Tüm Posterler çiftleri

Bu, varsayılan eşleştirme stratejisidir. Burada tüm görüntü çiftleri birbirine karşı eşleştirilir.
başka. Örneğin, projeniz 5 görüntü içeriyorsa, cpfind görüntü çiftleriyle eşleşir: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 ve 3-4

Bu strateji, tüm atış stratejileri için çalışır (tek sıra, çok sıra, sırasız). bulur
(neredeyse) tüm bağlı görüntü çiftleri. Ancak, projeler için hesaplama açısından pahalıdır.
birçok görüntü, çünkü bağlı olmayan birçok görüntü çiftini test eder.

doğrusal maç

Bu eşleştirme stratejisi, tek sıralı panoramalar için en iyi sonucu verir:

cpfind --linearmatch -o çıktı.pto girdi.pto

Bu, yalnızca bitişik görüntüler arasındaki eşleşmeleri algılar, örneğin 5 görüntü örneği için
0-1, 1-2, 2-3 ve 3-4 resim çiftleriyle eşleşir. Eşleşen mesafe artırılabilir
--linearmatchlen anahtarıyla. Örneğin --linearmatchlen 2 ile cpfind bir görüntüyle eşleşir
sonraki görüntü ve sonraki görüntü ile, örneğimizde 0-1, 0-2, 1-2 olacaktır,
1-3, 2-3, 2-4 ve 3-4.

çok sıralı uygun

Bu, tek ve çok satırlı panorama için optimize edilmiş bir eşleştirme stratejisidir:

cpfind --multirow -o çıktı.pto girdi.pto

Algoritma, çok satırlı panoramada açıklananla aynıdır. Bunu entegre ederek
cpfind içine algoritma, birkaç modern CPU çekirdeği kullanarak daha hızlıdır ve önbelleğe almaz
diskin anahtar noktaları (ki bu zaman alıcıdır). Bu çok sıralı kullanmak istiyorsanız
hugin içindeki eşleştirme, kontrol noktası algılayıcı türünü Tüm görüntüler bir kerede olarak ayarlayın.

Anahtar noktaları önbelleğe alma için disk

Anahtar noktaların hesaplanması biraz zaman alır. Böylece cpfind,
anahtar noktaları bir dosyaya yönlendirin ve daha sonra tekrar kullanın. --kall ile tüm görüntüler için anahtar noktalar
projede diske kaydedilir. Yalnızca belirli görüntü kullanımının kilit noktalarını istiyorsanız
-k parametresi ile görüntü numarası:

cpfind --kall girdi.pto
cpfind -k 0 -k 1 giriş.pto

Anahtar nokta dosyaları, varsayılan olarak, görüntülerle aynı dizine kaydedilir.
uzantısı .key. Bu durumda, görüntüler eşleşmez ve bu nedenle çıktı projesi olmaz.
dosyanın belirtilmesi gerekiyor. cpfind projedeki bir görüntü için anahtar dosyalar bulursa,
otomatik olarak ve bu görüntüde özellik tanımlayıcıyı tekrar çalıştırmaz. İsterseniz
bunları başka bir dizine kaydedin --keypath anahtarını kullanın.

Bu prosedür, --cache anahtarıyla da otomatikleştirilebilir:

cpfind --cache -o çıktı.pto girdi.pto

Bu durumda mevcut anahtar nokta dosyalarını yüklemeye çalışır. olmayan resimler için
keypoint dosyası, keypoint'ler algılanır ve dosyaya kaydedilir. Sonra tüm yüklü eşleşir
ve yeni bulunan kilit noktaları ve çıktı projesini yazar.

Anahtar dosyaya daha uzun süre ihtiyacınız yoksa, otomatik olarak şu şekilde silinebilir:

cpfind --clean girdi.pto

GENİŞLETİLMİŞ SEÇENEKLER

Özellikler(Hazırlık aşamasında) tanım
Hız nedenleriyle cpfind, genişlik ve yüksekliklerinin yarısına ölçeklenen görüntüleri kullanıyor.
anahtar noktaları bulmak için. --fullscale cpfind anahtarı ile tam ölçekli görüntüler üzerinde çalışıyor.
Bu daha uzun sürer ancak "daha iyi" ve/veya daha fazla kontrol noktası sağlayabilir.

Özellik açıklama adımı, parametrelerle ince ayar yapılabilir:

--sieve1width
Elek 1: Genişlikteki kova sayısı (varsayılan: 10)

--sieve1height
Elek 1: Yüksekliğe göre kova sayısı (varsayılan: 10)

--sieve1size
Elek 1: Kova başına maksimum puan (varsayılan: 100)

--kdtreesteps
KDTree: arama adımları (varsayılan: 200)

--kdtreeikincidist

KDTree: 2. maçın mesafesi (varsayılan: 0.25)

Cpfind, görüntü başına maksimum sieve1width * sieve1height * sieve1size anahtar noktalarını saklar. Eğer sen
sadece küçük bir örtüşme var, örneğin balık gözü görüntülerle 360 ​​derecelik panorama çekimi için
elek1 boyutunu artırırsanız daha iyi sonuçlar elde edin. Ayrıca sieve1width'i artırmayı deneyebilirsiniz.
ve/veya elek1yüksekliği.

Özellikler(Hazırlık aşamasında) uygun
Aşağıdaki parametrelerle eşleştirme adımının ince ayarı:

--ransaciter
Ransac: yinelemeler (varsayılan: 1000)

--ransacdist
Ransac: homografi tahmini mesafe eşiği (piksel) (varsayılan: 25)

--ransacmode (otomatik, hom, rpy, rpyv, rpyb)
Ransac adımında kullanılan modeli seçin.

hom: Bir homografi varsayın. Yalnızca geniş olmayan açılar için geçerlidir
Görüntüleme. Orijinal panorama kodunu kullanır. Ayrıca daha esnek
gereğinden fazla ve yanlış eşleşmeler üretebilir, özellikle çoğu
maçların sayısı tek bir satırda bulunur.

rpy: Rulo, eğim ve sapma kullanarak görüntüleri hizalayın. Bu iyi bir gerektirir
yatay görüş alanı için tahmin (ve bozulma,
ağır şekilde bozulmuş görüntüler). Bu, tercih edilen moddur.
kalibre edilmiş lens kullanılıyor veya HFOV başarıyla okunabiliyor
EXIF verilerinden.

rpyv: Yuvarlanma, eğim, sapma ve alanı optimize ederek çifti hizalayın
görüş. Görüş alanı bilgisi olmadan çalışmalı,
ancak kullanılan hata işlevi nedeniyle daha sık başarısız olabilir.
panotools optimizer, fov'u 0'a küçültme eğilimindedir.

rpyvb: Yuvarlanmayı, eğimi, sapmayı, görüş alanını optimize ederek çifti hizalayın ve
"b" bozulma parametresi. Muhtemelen çok kırılgan, sadece
test için uygulanmıştır.

auto: hfov < 65 derece ve aksi takdirde rpy olan görüntüler için homografi kullanın.

--minmatches
Minimum eşleşmeler (varsayılan: 4)

--sieve2width
Elek 2: Genişlikteki kova sayısı (varsayılan: 5)

--sieve2height
Elek 2: Yüksekliğe göre kova sayısı (varsayılan: 5)

--sieve2size
Elek 2: Kova başına maksimum puan (varsayılan: 2)

Cpfind, minmatches ve sieve2width * sieve2height * sieve2size arasında üretir
bir görüntü çifti arasındaki kontrol noktaları. (Varsayılan ayar 4 ile 50 arasındadır (=5*5*2)
görüntü çifti başına kontrol noktaları.) Daha az ise, bir için minimum eşleşme kontrol noktaları bulunur.
verilen görüntü çiftleri bu kontrol noktaları dikkate alınmaz ve bu görüntü çifti
bağlı olmadığını düşünüyor. Dar örtüşmeler için minimum eşleşmeleri azaltmayı deneyebilirsiniz,
ancak bu, yanlış kontrol noktaları alma riskini artırır.

SEÇENEKLER

--celesteRadius
Celeste için yarıçap (varsayılan 20)

--celesteEşik
Celeste için eşik (varsayılan 0.5)

--celeste
Görüntüleri yükledikten sonra celeste sky tanımlamasını çalıştırın, bu tüm özellikleri yok sayar
"bulutlar" ile ilişkilidir.

-p <dize, --anahtar yolu
Anahtar dosyaları önbelleğe alma yolu

--temiz
Önbelleğe alınmış anahtar dosyaları temizleyin

-c, --önbellek
Anahtar noktaları harici dosyaya önbelleğe alır

--kall
Tüm görüntüler için anahtar dosyaları yazın

-k , --keyfile yaz
Bu resim numarası için bir anahtar dosya yazın (birden çok kez kabul edildi)

-o , --çıktı
Çıktı dosyası, gerekli

-n , --ncores
CPU/Çekirdek Sayısı (varsayılan: otomatik algılama)

-t, --Ölçek
Test modunu etkinleştirir

--tam ölçekli
Anahtar noktaları algılamak için tam ölçekli görüntü kullanır (varsayılan:yanlış)

--sieve1width
Elek 1: Genişlikteki kova sayısı (varsayılan: 10)

--sieve1height
Elek 1: Yüksekliğe göre kova sayısı (varsayılan: 10)

--sieve1size
Elek 1: Kova başına maksimum puan (varsayılan: 100)

--kdtreesteps
KDTree : arama adımları (varsayılan: 200)

--kdtreeikincidist
KDTree : 2. maçın mesafesi (varsayılan: 0.15)

--çok satırlı
Sezgisel çok satırlı eşleştirmeyi etkinleştir (varsayılan: kapalı)

--linearmatch
Doğrusal görüntü eşleşmesini etkinleştir (varsayılan: tüm çiftler)

--linearmatchlen
Doğrusal eşleştirmede eşleştirilecek görüntü sayısı (varsayılan: 1)

--minmatches
Minimum eşleşmeler (varsayılan: 4)

--ransaciter
Ransac: yinelemeler (varsayılan: 1000)

--ransacdist
Ransac : homografi tahmini mesafe eşiği (piksel) (varsayılan: 25)

--sieve2width
Elek 2: Genişlikteki kova sayısı (varsayılan: 5)

--sieve2height
Elek 2: Yüksekliğe göre kova sayısı (varsayılan: 5)

--sieve2size
Elek 2: Kova başına maksimum puan (varsayılan: 2)

--, --ignore_rest
Bu bayrağı izleyen etiketli bağımsız değişkenlerin geri kalanını yok sayar.

--versiyon
Sürüm bilgilerini görüntüler ve çıkar.

-h, --yardım et
Kullanım bilgilerini görüntüler ve çıkar.

YAZARLAR

Anael Orlinski, Pablo d'Angelo, Antoine Deleforge, Thomas Modes

"Sürüm: 2015.0.0" 2016-01-06 CPFIND(1)

onworks.net hizmetlerini kullanarak cpfind'i çevrimiçi kullanın