cpfind - ক্লাউডে অনলাইন

কার্যক্রম:

NAME এর

cpfind - প্যানোরামিক স্টিচিংয়ের জন্য ফিচার ম্যাচিং

সাইনোপিসিস

cpfind [বিকল্প] -o আউটপুট_প্রকল্প project.pto

cpfind [বিকল্প] -k i0 -k i1 [...] project.pto

cpfind [বিকল্প] --কাল project.pto

বর্ণনাঃ

cpfind cpfind হল Hugin এর জন্য একটি কন্ট্রোল-পয়েন্ট ডিটেক্টর। এটি ইনপুট হিসাবে একটি প্রকল্প ফাইল আশা করে
এবং সাফল্যের উপর নিয়ন্ত্রণ-পয়েন্ট সহ একটি প্রকল্প ফাইল লেখে। এটি যুক্তিসঙ্গত লেন্সের উপর নির্ভর করে
ইনপুট প্রকল্প ফাইলে তথ্য।

প্রথম ধাপ হল বৈশিষ্ট্য বর্ণনা: এই ধাপে প্রজেক্ট ফাইলের ছবি রয়েছে
লোড এবং তথাকথিত কীপয়েন্ট অনুসন্ধান করা হয়. তারা এর মধ্যে নির্দিষ্ট বৈশিষ্ট্য বর্ণনা করে
চিত্র। cpfind বৈশিষ্ট্য বর্ণনার জন্য একটি গ্রেডিয়েন্ট ভিত্তিক বর্ণনাকারী ব্যবহার করে
গুরুত্বপূর্ণ দিক.

একটি দ্বিতীয় ধাপে, বৈশিষ্ট্য ম্যাচিং, দুটি ছবির সব কীপয়েন্ট বিপরীতে মিলিত হয়
উভয় ইমেজ যা বৈশিষ্ট্য খুঁজে পেতে একে অপরের. এই ম্যাচিং সফল হলে দুই
দুটি চিত্রের মূল পয়েন্টগুলি একটি নিয়ন্ত্রণ বিন্দুতে পরিণত হয়।

, USAGE

রেকটিলিনিয়ার এবং ফিশিয়ে চিত্র
Cpfind রেক্টিলাইনার এবং ফিশআই ইমেজে কন্ট্রোল পয়েন্ট খুঁজে পেতে পারে। ভালো নিয়ন্ত্রণ অর্জন করতে
একটি উচ্চ অনুভূমিক ক্ষেত্র সহ চিত্রগুলিকে নির্দেশ করে (যেমন আল্ট্রা ওয়াইড রেক্টিলিনিয়ার বা
ফিশআই) তাই একটি কনফর্মাল স্পেসে রিম্যাপ করা হয়েছে (cpfind স্টেরিওগ্রাফিক ব্যবহার করছে
প্রজেকশন) এবং বৈশিষ্ট্যের মিল এই স্থানটিতে ঘটে। কন্ট্রোল লেখার আগে
স্থানাঙ্কগুলিকে ইমেজ স্পেসে পুনরায় ম্যাপ করা হয়। এটি স্বয়ংক্রিয়ভাবে ঘটে
ইনপুট প্রকল্প ফাইলের লেন্স সম্পর্কে তথ্যের উপর নির্ভর করে। তাই চেক করুন যে আপনার
ইনপুট প্রজেক্ট ফাইলে ব্যবহৃত লেন্স সম্পর্কে যুক্তিসঙ্গত তথ্য রয়েছে।

ব্যবহার Celeste
আউটডোর প্যানোরামাতে প্রায়ই মেঘ থাকে। মেঘ নিয়ন্ত্রণ পয়েন্ট সেট করার জন্য খারাপ এলাকা
কারণ তারা চলন্ত বস্তু। Cpfind একই অ্যালগরিদম ব্যবহার করতে পারে যেমন celeste_standalone to
মেঘ ধারণ করে মুখোশ আউট এলাকা. (এটি শুধুমাত্র কীপয়েন্টের জন্য অভ্যন্তরীণ করা হয়
পদক্ষেপ খুঁজে বের করা এবং আপনার চিত্রের আলফা চ্যানেল পরিবর্তন করে না। আপনি যদি জেনারেট করতে চান
একটি মুখোশ চিত্র ব্যবহার করুন celeste_standalone)। celeste ব্যবহার করে cpfind চালানোর জন্য

cpfind --celeste -o output.pto input.pto

ইন্টিগ্রেটেড সেলেস্টের সাথে cpfind ব্যবহার করা cpfind এবং ব্যবহার করার তুলনায় উচ্চতর হওয়া উচিত
celeste_standalone ক্রমিক। যখন মেঘের celeste এলাকায় cpfind চলমান, যা
প্রায়ই একটি উচ্চ মানের পরিমাপ সঙ্গে কীপয়েন্ট রয়েছে, উপেক্ষা করা হয় এবং এলাকা ছাড়া
পরিবর্তে মেঘ ব্যবহার করা হয়। celeste ছাড়া cpfind চালানোর সময়ও ক্লাউডের কীপয়েন্ট হয়
পাওয়া গেছে যখন পরে celeste_standalone চালানো হয় তখন এই নিয়ন্ত্রণ পয়েন্টগুলি সরানো হয়। মধ্যে
সবচেয়ে খারাপ ক্ষেত্রে একটি নির্দিষ্ট চিত্র জোড়ার সমস্ত নিয়ন্ত্রণ পয়েন্ট মুছে ফেলা হয়।

তাই celeste-এর সাথে cpfind চালনা আউটডোরের জন্য আরও ভাল "কন্ট্রোল পয়েন্ট কোয়ালিটি" নিয়ে যায়
প্যানোরামা (যেমন মেঘ সহ প্যানোরামা)। celeste এর সাথে cpfind চালাতে cpfind এর চেয়ে বেশি সময় লাগে
একা তাই ইনডোর প্যানোরামার জন্য এই বিকল্পটি নির্দিষ্ট করার প্রয়োজন নেই (কারণ দীর্ঘতর
গণনার সময়)।

celeste ধাপটি পরামিতি দ্বারা সূক্ষ্ম সুর করা যেতে পারে --celesteRadius এবং
--সেলেস্টথ্রেশহোল্ড।

সমন্বয় কৌশল
সব জোড়া

এটি ডিফল্ট ম্যাচিং কৌশল। এখানে সমস্ত ইমেজ জোড়া প্রতিটির বিপরীতে মিলেছে
অন্যান্য যেমন আপনার প্রোজেক্টে যদি 5টি ছবি থাকে তাহলে cpfind ছবির জোড়ার সাথে মেলে: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 এবং 3-4

এই কৌশলটি সমস্ত শুটিং কৌশলের জন্য কাজ করে (একক-সারি, বহু-সারি, ক্রমবিহীন)। এটি খুঁজে পায়
(প্রায়) সমস্ত সংযুক্ত ছবি জোড়া। কিন্তু এটা সঙ্গে প্রকল্পের জন্য কম্পিউটেশনাল ব্যয়বহুল
অনেক ইমেজ, কারণ এটি অনেক ইমেজ জোড়া পরীক্ষা করে যা সংযুক্ত নয়।

রৈখিক ম্যাচ

এই ম্যাচিং কৌশলটি একক সারি প্যানোরামাগুলির জন্য সেরা কাজ করে:

cpfind --linearmatch -o output.pto input.pto

এটি শুধুমাত্র সংলগ্ন চিত্রগুলির মধ্যে মিল সনাক্ত করবে, যেমন 5টি চিত্রের উদাহরণের জন্য
ছবি জোড়া 0-1, 1-2, 2-3 এবং 3-4 মিলবে। ম্যাচিং দূরত্ব বাড়ানো যেতে পারে
সুইচ দিয়ে --linearmatchlen. যেমন --linearmatchlen 2 cpfind এর সাথে একটি ইমেজ মিলবে
পরবর্তী চিত্র এবং পরবর্তী চিত্র সহ, আমাদের উদাহরণে এটি 0-1, 0-2, 1-2,
1-3, 2-3, 2-4 এবং 3-4।

মাল্টিরো ম্যাচিং

এটি একক এবং বহু-সারি প্যানোরামার জন্য একটি অপ্টিমাইজ করা ম্যাচিং কৌশল:

cpfind --multirow -o output.pto input.pto

বহু-সারি প্যানোরামায় বর্ণিত অ্যালগরিদম একই। এই একীভূত করে
সিপিফাইন্ডে অ্যালগরিদম আধুনিক সিপিইউ-এর বেশ কয়েকটি কোর ব্যবহার করে দ্রুততর হয় এবং ক্যাশিং না করে
ডিস্কের মূল পয়েন্ট (যা সময়সাপেক্ষ)। আপনি যদি এই মাল্টি-সারি ব্যবহার করতে চান
hugin এর ভিতরে মিলে যাওয়া কন্ট্রোল পয়েন্ট ডিটেক্টর টাইপ সব ইমেজ একসাথে সেট করে।

গুরুত্বপূর্ণ দিক ক্যাশিং থেকে ডিস্ক

মূল পয়েন্টের গণনা কিছু সময় নেয়। তাই cpfind সংরক্ষণ করার সম্ভাবনা অফার করে
একটি ফাইলের কীপয়েন্ট এবং পরে আবার ব্যবহার করুন। সব ছবির জন্য --kall দিয়ে কীপয়েন্ট
প্রকল্পে ডিস্কে সংরক্ষণ করা হয়। আপনি শুধুমাত্র নির্দিষ্ট ইমেজ ব্যবহার কীপয়েন্ট চান
ইমেজ নম্বর সহ প্যারামিটার -k:

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

কীপয়েন্ট ফাইলগুলি ডিফল্টরূপে একই ডিরেক্টরিতে সংরক্ষিত হয় যেমন চিত্রগুলির সাথে
এক্সটেনশন .key. এই ক্ষেত্রে ইমেজ কোন মিল ঘটবে এবং তাই কোন আউটপুট প্রকল্প
ফাইল নির্দিষ্ট করতে হবে। যদি cpfind প্রজেক্টে একটি ইমেজের জন্য keyfiles খুঁজে পায় তাহলে এটি ব্যবহার করবে
এগুলি স্বয়ংক্রিয়ভাবে এবং এই চিত্রটিতে আবার বৈশিষ্ট্য বর্ণনাকারী চালাবে না। যদি তুমি চাও
--keypath সুইচ ব্যবহার করে অন্য ডিরেক্টরিতে সেভ করুন।

এই পদ্ধতিটি সুইচ --ক্যাশে দিয়েও স্বয়ংক্রিয় হতে পারে:

cpfind --cache -o output.pto input.pto

এই ক্ষেত্রে এটি বিদ্যমান কীপয়েন্ট ফাইল লোড করার চেষ্টা করে। ছবির জন্য, যেটিতে একটি নেই
কীপয়েন্ট ফাইল, কীপয়েন্টগুলি সনাক্ত করা হয় এবং ফাইলে সংরক্ষণ করা হয়। তারপর সব লোড মেলে
এবং নতুন পাওয়া কীপয়েন্ট এবং আউটপুট প্রজেক্ট লেখে।

যদি আপনার আর কী ফাইলের প্রয়োজন না হয়, তাহলে এটি স্বয়ংক্রিয়ভাবে মুছে ফেলা যেতে পারে

cpfind --clean input.pto

সম্প্রসারিত বিকল্প

বৈশিষ্ট্য বিবরণ
গতির কারণে cpfind ছবিগুলি ব্যবহার করছে, যেগুলি তাদের অর্ধ প্রস্থ এবং উচ্চতায় স্কেল করা হয়েছে,
মূল পয়েন্ট খুঁজে পেতে. সুইচ দিয়ে --fullscale cpfind পূর্ণ স্কেল চিত্রগুলিতে কাজ করছে।
এটি আরও বেশি সময় নেয় তবে "ভাল" এবং/অথবা আরও নিয়ন্ত্রণ পয়েন্ট প্রদান করতে পারে।

বৈশিষ্ট্য বর্ণনা ধাপটি পরামিতি দ্বারা সূক্ষ্ম-টিউন করা যেতে পারে:

-- চালনী 1 প্রস্থ
চালনি 1: প্রস্থে বালতি সংখ্যা (ডিফল্ট: 10)

--চালনী1 উচ্চতা
চালনি 1: উচ্চতায় বালতির সংখ্যা (ডিফল্ট: 10)

-- চালনী 1 আকার
চালনি 1: প্রতি বালতি সর্বোচ্চ পয়েন্ট (ডিফল্ট: 100)

--kdtreesteps
KDTree: অনুসন্ধান পদক্ষেপ (ডিফল্ট: 200)

--kdtreesecondist

KDTree: 2য় ম্যাচের দূরত্ব (ডিফল্ট: 0.25)

Cpfind সঞ্চয় করে সর্বাধিক seve1width * seve1height * sieve1size কিপয়েন্ট প্রতি ইমেজ। আপনি যদি
শুধুমাত্র একটি ছোট ওভারল্যাপ আছে, যেমন ফিশআই ইমেজ সহ 360 ডিগ্রি প্যানোরামা শুটের জন্য, আপনি করতে পারেন
আপনি চালনী 1 আকার বৃদ্ধি করলে ভাল ফলাফল পান। আপনি চালনী 1 প্রস্থ বাড়ানোর চেষ্টা করতে পারেন
এবং/অথবা চালনী1 উচ্চতা।

বৈশিষ্ট্য ম্যাচিং
নিম্নলিখিত পরামিতি দ্বারা মিলিত পদক্ষেপের সূক্ষ্ম-টিউনিং:

--র্যান্সসাইটার
Ransac: পুনরাবৃত্তি (ডিফল্ট: 1000)

-- অপহরণকারী
Ransac: হোমোগ্রাফি অনুমান দূরত্ব থ্রেশহোল্ড (পিক্সেল) (ডিফল্ট: 25)

--ransacmode (অটো, হোম, rpy, rpyv, rpyb)
ransac ধাপে ব্যবহৃত মডেল নির্বাচন করুন.

hom: একটি হোমোগ্রাফি অনুমান করুন। শুধুমাত্র নন-ওয়াইড অ্যাঙ্গেলের জন্য প্রযোজ্য
ভিউ মূল প্যানোম্যাটিক কোড ব্যবহার করে। এটি আরও নমনীয়
প্রয়োজনের তুলনায় এবং মিথ্যা মিল তৈরি করতে পারে, বিশেষ করে যদি বেশির ভাগ
ম্যাচগুলির একটি একক লাইনে অবস্থিত।

rpy: রোল, পিচ এবং ইয়াও ব্যবহার করে চিত্রগুলি সারিবদ্ধ করুন। এই একটি ভাল প্রয়োজন
অনুভূমিক দৃশ্যের ক্ষেত্রের অনুমান (এবং বিকৃতি, এর জন্য
ব্যাপকভাবে বিকৃত ছবি)। এটি পছন্দের মোড যদি a
ক্যালিব্রেটেড লেন্স ব্যবহার করা হয়, অথবা HFOV সফলভাবে পড়া যেতে পারে
EXIF ডেটা থেকে।

rpyv: রোল, পিচ, ইয়াও এবং ফিল্ড অফ অপ্টিমাইজ করে জোড়া সারিবদ্ধ করুন
দেখুন দৃশ্যের ক্ষেত্রের পূর্ব জ্ঞান ছাড়াই কাজ করা উচিত,
কিন্তু ব্যবহৃত ত্রুটি ফাংশন কারণে, আরো প্রায়ই ব্যর্থ হতে পারে
panotools অপ্টিমাইজার, এটি fov কে 0 এ সঙ্কুচিত করে।

rpyvb: রোল, পিচ, ইয়াও, ফিল্ড অফ ভিউ এবং অপ্টিমাইজ করে জোড়া সারিবদ্ধ করুন
"b" বিকৃতি পরামিতি। সম্ভবত খুব ভঙ্গুর, শুধু
পরীক্ষার জন্য বাস্তবায়িত।

স্বয়ংক্রিয়: hfov <65 ডিগ্রি এবং অন্যথায় rpy সহ ছবির জন্য হোমোগ্রাফি ব্যবহার করুন।

--মিনিম্যাচ
ন্যূনতম মিল (ডিফল্ট: 4)

-- চালনী 2 প্রস্থ
চালনি 2: প্রস্থে বালতি সংখ্যা (ডিফল্ট: 5)

--চালনী2 উচ্চতা
চালনি 2: উচ্চতায় বালতির সংখ্যা (ডিফল্ট: 5)

-- চালনী 2 আকার
চালনি 2: প্রতি বালতি সর্বোচ্চ পয়েন্ট (ডিফল্ট: 2)

Cpfind minmatch এবং sieve2width * sieve2height * sieve2size এর মধ্যে তৈরি করে
একটি ইমেজ জোড়া মধ্যে নিয়ন্ত্রণ পয়েন্ট. (ডিফল্ট সেটিং 4 এবং 50 এর মধ্যে (=5*5*2)
প্রতি ইমেজ পেয়ারে কন্ট্রোল পয়েন্ট।) কম হলে কন্ট্রোল পয়েন্টের সাথে মিল পাওয়া যায়
প্রদত্ত ইমেজ জোড়া এই নিয়ন্ত্রণ পয়েন্ট উপেক্ষা করা হয় এবং এই ইমেজ জোড়া হয়
সংযুক্ত নয় বলে বিবেচনা করে। সংকীর্ণ ওভারল্যাপের জন্য আপনি মিনম্যাচগুলি হ্রাস করার চেষ্টা করতে পারেন,
কিন্তু এটি ভুল নিয়ন্ত্রণ পয়েন্ট পাওয়ার ঝুঁকি বাড়ায়।

বিকল্প

--সেলেস্টরেডিয়াস
সেলেস্টের জন্য ব্যাসার্ধ (ডিফল্ট 20)

--সেলেস্টথ্রেশহোল্ড
সেলেস্টের জন্য থ্রেশহোল্ড (ডিফল্ট 0.5)

--সেলেস্টে
ছবি লোড করার পরে সেলেস্টে আকাশ সনাক্তকরণ চালান, এটি সমস্ত বৈশিষ্ট্যকে উপেক্ষা করে
'মেঘ' এর সাথে যুক্ত।

-p <স্ট্রিং, --কীপথ
ক্যাশে কীফাইলের পথ

--পরিষ্কার
ক্যাশে করা কীফাইলগুলি পরিষ্কার করুন

-c, --ক্যাশে
বাহ্যিক ফাইলে কীপয়েন্ট ক্যাশে করে

--কাল
সমস্ত ছবির জন্য কীফাইল লিখুন

-k , --writekeyfile
এই ইমেজ নম্বরের জন্য একটি কীফাইল লিখুন (একাধিকবার গৃহীত)

-o , --আউটপুট
আউটপুট ফাইল, প্রয়োজন

-n , --এনকোর
CPU/কোর সংখ্যা (ডিফল্ট:স্বয়ংক্রিয় সনাক্ত)

-t, --পরীক্ষা
পরীক্ষা মোড সক্ষম করে

--পূর্ণ মাত্রার
কীপয়েন্ট সনাক্ত করতে সম্পূর্ণ স্কেল চিত্র ব্যবহার করে (ডিফল্ট: মিথ্যা)

-- চালনী 1 প্রস্থ
চালনি 1 : প্রস্থে বালতি সংখ্যা (ডিফল্ট: 10)

--চালনী1 উচ্চতা
চালনী 1 : উচ্চতায় বালতি সংখ্যা (ডিফল্ট: 10)

-- চালনী 1 আকার
চালনি 1 : প্রতি বালতি সর্বোচ্চ পয়েন্ট (ডিফল্ট: 100)

--kdtreesteps
KDTree : অনুসন্ধানের ধাপ (ডিফল্ট : 200)

--kdtreesecondist
KDTree : 2য় ম্যাচের দূরত্ব (ডিফল্ট: 0.15)

-- মাল্টিরো
হিউরিস্টিক মাল্টি সারি ম্যাচিং সক্ষম করুন (ডিফল্ট: বন্ধ)

-- লাইনারমেচ
লিনিয়ার ইমেজ ম্যাচিং সক্ষম করুন (ডিফল্ট: সব জোড়া)

--রৈখিক মিল
রৈখিক মিলে যাওয়া ছবির সংখ্যা (ডিফল্ট:1)

--মিনিম্যাচ
ন্যূনতম মিল (ডিফল্ট: 4)

--র্যান্সসাইটার
Ransac: পুনরাবৃত্তি (ডিফল্ট: 1000)

-- অপহরণকারী
Ransac: হোমোগ্রাফি অনুমান দূরত্ব থ্রেশহোল্ড (পিক্সেল) (ডিফল্ট: 25)

-- চালনী 2 প্রস্থ
চালনি 2 : প্রস্থে বালতি সংখ্যা (ডিফল্ট: 5)

--চালনী2 উচ্চতা
চালনী 2 : উচ্চতায় বালতি সংখ্যা (ডিফল্ট: 5)

-- চালনী 2 আকার
চালনি 2 : প্রতি বালতি সর্বোচ্চ পয়েন্ট (ডিফল্ট: 2)

--, --বিশ্রাম উপেক্ষা করুন
এই পতাকা অনুসরণ করে লেবেলযুক্ত বাকি আর্গুমেন্টগুলিকে উপেক্ষা করে৷

--সংস্করণ
সংস্করণ তথ্য প্রদর্শন করে এবং প্রস্থান করে।

-h, --help
ব্যবহারের তথ্য প্রদর্শন করে এবং প্রস্থান করে।

লেখক

আনাল অরলিনস্কি, পাবলো ডি'অ্যাঞ্জেলো, অ্যান্টোইন ডেলেফার্জ, থমাস মোডস

"সংস্করণ: 2015.0.0" 2016-01-06 CPFIND(২০১০)

onworks.net পরিষেবা ব্যবহার করে অনলাইনে cpfind ব্যবহার করুন