《visualsfm使用步骤》由会员分享，可在线阅读，更多相关《visualsfm使用步骤（8页珍藏版）》请在金锄头文库上搜索。
1、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
2、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
3、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
