Ini adalah perintah cpfind yang dapat dijalankan di penyedia hosting gratis OnWorks menggunakan salah satu dari beberapa workstation online gratis kami seperti Ubuntu Online, Fedora Online, emulator online Windows atau emulator online MAC OS
PROGRAM:
NAMA
cpfind - Pencocokan fitur untuk jahitan panorama
RINGKASAN
cpfind [opsi] -o keluaran_proyek proyek.pto
cpfind [opsi] -k i0 -k i1 [...] proyek.pto
cpfind [pilihan] --kal proyek.pto
DESKRIPSI
cpfind cpfind adalah detektor titik kontrol untuk Hugin. Ia mengharapkan file proyek sebagai input
dan menulis file proyek dengan titik kontrol pada keberhasilan. Itu tergantung pada lensa yang masuk akal
informasi dalam file proyek input.
Langkah pertama adalah deskripsi fitur: Pada langkah ini gambar file proyek adalah
dimuat dan yang disebut titik kunci dicari. Mereka menggambarkan fitur khas dalam
gambar. cpfind menggunakan deskriptor berbasis gradien untuk deskripsi fitur dari
poin kunci.
Pada langkah kedua, pencocokan fitur, semua poin utama dari dua gambar dicocokkan
satu sama lain untuk menemukan fitur yang ada di kedua gambar. Jika pencocokan ini berhasil dua
keypoint pada kedua gambar tersebut menjadi satu control point.
PENGGUNAAN
Seperti garis lurus dan fisheye gambar
Cpfind dapat menemukan titik kontrol dalam gambar bujursangkar dan mata ikan. Untuk mencapai kontrol yang baik
mengarahkan gambar dengan bidang pandang horizontal yang tinggi (misalnya bujursangkar ultra lebar atau
fisheye) untuk itu dipetakan ulang ke dalam ruang konformal (cpfind menggunakan stereografik
proyeksi) dan pencocokan fitur terjadi di ruang ini. Sebelum menulis kontrol
titik koordinat dipetakan kembali ke ruang gambar. Ini terjadi secara otomatis
tergantung pada informasi tentang lensa dalam file proyek input. Jadi periksa apakah Anda
file proyek input berisi informasi yang masuk akal tentang lensa yang digunakan.
Menggunakan celeste
Panorama luar ruangan sering mengandung awan. Awan adalah area yang buruk untuk menetapkan titik kontrol
karena benda tersebut bergerak. Cpfind dapat menggunakan algoritma yang sama dengan celeste_standalone untuk
menutupi area yang mengandung awan. (Ini hanya dilakukan internal untuk keypoint
menemukan langkah dan tidak mengubah saluran alfa gambar Anda. Jika Anda ingin menghasilkan
gambar topeng menggunakan celeste_standalone). Untuk menjalankan cpfind dengan celeste gunakan
cpfind --celeste -o keluaran.pto masukan.pto
Menggunakan cpfind dengan celeste terintegrasi harus lebih unggul daripada menggunakan cpfind dan
celeste_standalone berurutan. Saat menjalankan cpfind dengan area awan celeste, yang
sering berisi poin kunci dengan ukuran kualitas tinggi, diabaikan dan area tanpa
awan digunakan sebagai gantinya. Saat menjalankan cpfind tanpa celeste juga titik kunci di cloud adalah
ditemukan. Ketika setelah itu menjalankan celeste_standalone titik kontrol ini dihapus. Dalam
kasus terburuk semua titik kontrol dari pasangan gambar tertentu dihapus.
Jadi menjalankan cpfind dengan celeste mengarah ke "kualitas titik kontrol" yang lebih baik untuk outdoor
panorama (misalnya panorama dengan awan). Menjalankan cpfind dengan celeste membutuhkan waktu lebih lama daripada cpfind
sendiri. Jadi untuk panorama dalam ruangan opsi ini tidak perlu ditentukan (karena lebih lama
waktu komputasi).
Langkah celeste dapat disetel dengan baik oleh parameter --celesteRadius dan
--celesteThreshold.
Sesuai strategi
Semua pasang
Ini adalah strategi pencocokan default. Di sini semua pasangan gambar dicocokkan dengan masing-masing
lainnya. Misalnya jika proyek Anda berisi 5 gambar maka cpfind cocok dengan pasangan gambar: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 dan 3-4
Strategi ini bekerja untuk semua strategi pemotretan (baris tunggal, multi baris, tidak berurutan). Ia menemukan
(hampir) semua pasangan gambar yang terhubung. Tetapi komputasinya mahal untuk proyek dengan
banyak gambar, karena menguji banyak pasangan gambar yang tidak terhubung.
Linear pertandingan
Strategi pencocokan ini bekerja paling baik untuk panorama baris tunggal:
cpfind --linearmatch -o keluaran.pto masukan.pto
Ini hanya akan mendeteksi kecocokan antara gambar yang berdekatan, misalnya untuk 5 contoh gambar itu
akan cocok dengan pasangan gambar 0-1, 1-2, 2-3 dan 3-4. Jarak yang cocok dapat ditingkatkan
dengan sakelar --linearmatchlen. Misalnya dengan --linearmatchlen 2 cpfind akan cocok dengan gambar
dengan gambar berikutnya dan gambar setelah berikutnya, dalam contoh kita akan menjadi 0-1, 0-2, 1-2,
1-3, 2-3, 2-4 dan 3-4.
banyak baris sesuai
Ini adalah strategi pencocokan yang dioptimalkan untuk panorama tunggal dan multi-baris:
cpfind --multirow -o keluaran.pto masukan.pto
Algoritmanya sama seperti yang dijelaskan dalam panorama multi-baris. Dengan mengintegrasikan ini
algoritma ke cpfind lebih cepat dengan menggunakan beberapa inti CPU modern dan tidak melakukan caching
titik kunci ke disk (yang memakan waktu). Jika Anda ingin menggunakan multi-baris ini
pencocokan di dalam hugin atur jenis detektor titik kontrol ke Semua gambar sekaligus.
Poin utama caching untuk cakram
Perhitungan keypoint membutuhkan waktu. Jadi cpfind menawarkan kemungkinan untuk menyimpan
keypoint ke file dan menggunakannya kembali nanti. Dengan --kall keypoints untuk semua gambar
dalam proyek disimpan ke disk. Jika Anda hanya ingin poin-poin utama dari penggunaan gambar tertentu
parameter -k dengan nomor gambar:
cpfind --kall masukan.pto
cpfind -k 0 -k 1 masukan.pto
File keypoint disimpan secara default ke direktori yang sama dengan gambar dengan
ekstensi .key. Dalam hal ini tidak ada pencocokan gambar yang terjadi dan oleh karena itu tidak ada proyek keluaran
file perlu ditentukan. Jika cpfind menemukan file kunci untuk gambar dalam proyek yang akan digunakan
mereka secara otomatis dan tidak menjalankan deskriptor fitur lagi pada gambar ini. Jika Anda menghendaki
simpan ke direktori lain menggunakan --keypath switch.
Prosedur ini juga dapat diotomatisasi dengan sakelar --cache:
cpfind --cache -o keluaran.pto masukan.pto
Dalam hal ini mencoba memuat file keypoint yang ada. Untuk gambar yang tidak memiliki
file keypoint, keypoints terdeteksi dan simpan ke file. Maka itu cocok dengan semua yang dimuat
dan titik kunci yang baru ditemukan dan menulis proyek keluaran.
Jika Anda tidak membutuhkan file kunci lebih lama, file tersebut dapat dihapus secara otomatis dengan
cpfind --bersihkan input.pto
DITERIMA PILIHAN
Fitur deskripsi
Untuk alasan kecepatan cpfind menggunakan gambar, yang diskalakan menjadi setengah lebar dan tinggi,
untuk menemukan titik kunci. Dengan sakelar --fullscale cpfind bekerja pada gambar skala penuh.
Ini membutuhkan waktu lebih lama tetapi dapat memberikan titik kontrol yang "lebih baik" dan/atau lebih banyak.
Langkah deskripsi fitur dapat disesuaikan dengan parameter:
--ayakan1lebar
Saringan 1: Jumlah ember pada lebar (default: 10)
--saringan1tinggi
Saringan 1: Jumlah ember pada ketinggian (default: 10)
--ayakan1ukuran
Saringan 1: Poin maks per ember (default: 100)
--kdtreesteps
KDTree: langkah pencarian (default: 200)
--kdtreeseconddist
KDTree: jarak pertandingan ke-2 (default: 0.25)
Cpfind menyimpan sieve1width maksimal * sieve1height * sieve1size keypoints per gambar. Jika kamu
hanya memiliki sedikit tumpang tindih, misalnya untuk pemotretan panorama 360 derajat dengan gambar mata ikan, Anda dapat
mendapatkan hasil yang lebih baik jika Anda meningkatkan sieve1size. Anda juga dapat mencoba meningkatkan sieve1width
dan/atau tinggi saringan.
Fitur sesuai
Penyesuaian langkah pencocokan dengan parameter berikut:
--ransaciter
Ransac: iterasi (default: 1000)
--ransacdis
Ransac: ambang jarak estimasi homografi (piksel) (default: 25)
--transacmode (otomatis, hom, rpy, rpyv, rpyb)
Pilih model yang digunakan pada langkah ransac.
hom: Asumsikan homografi. Hanya berlaku untuk sudut non-lebar
dilihat. Menggunakan kode panorama asli. Ini juga lebih fleksibel
dari yang dibutuhkan dan dapat menghasilkan kecocokan palsu, terutama jika sebagian besar
pertandingan terletak pada satu baris.
rpy: Sejajarkan gambar menggunakan roll, pitch, dan yaw. Ini membutuhkan yang baik
perkiraan untuk bidang pandang horizontal (dan distorsi, untuk
gambar yang sangat terdistorsi). Ini adalah mode yang disukai jika a
lensa yang dikalibrasi digunakan, atau HFOV dapat berhasil dibaca
dari data EXIF.
rpyv: Sejajarkan pasangan dengan mengoptimalkan roll, pitch, yaw, dan field of
melihat. Harus bekerja tanpa pengetahuan sebelumnya tentang bidang pandang,
tetapi mungkin lebih sering gagal, karena fungsi kesalahan yang digunakan dalam
pengoptimal panotools, ia cenderung mengecilkan fov menjadi 0.
rpyvb: Sejajarkan pasangan dengan mengoptimalkan roll, pitch, yaw, field of view dan
parameter distorsi "b". Mungkin sangat rapuh, hanya
diimplementasikan untuk pengujian.
auto: Gunakan homografi untuk gambar dengan hfov < 65 derajat dan rpy sebaliknya.
--mincocok
Kecocokan minimum (default: 4)
--ayakan2lebar
Saringan 2: Jumlah ember pada lebar (default: 5)
--saringan2tinggi
Saringan 2: Jumlah ember pada ketinggian (default: 5)
--ayakan2ukuran
Saringan 2: Poin maks per ember (default: 2)
Cpfind menghasilkan antara minmatches dan sieve2width * sieve2height * sieve2size
titik kontrol antara pasangan gambar. (Pengaturan default adalah antara 4 dan 50 (=5*5*2)
titik kontrol per pasangan gambar.) Jika kurang maka titik kontrol minmatch ditemukan untuk a
pasangan gambar yang diberikan titik kontrol ini diabaikan dan pasangan gambar ini adalah
dianggap tidak terhubung. Untuk tumpang tindih yang sempit, Anda dapat mencoba mengurangi minmatch,
tetapi ini meningkatkan risiko mendapatkan titik kontrol yang salah.
PILIHAN
--celesteRadius
Radius untuk celeste (default 20)
--celesteThreshold
Ambang batas untuk celeste (default 0.5)
--celeste
Jalankan identifikasi langit celeste setelah memuat gambar, ini mengabaikan semua fitur
terkait dengan 'awan'.
-p <string, --jalur kunci
Jalur ke cache keyfiles
--membersihkan
Bersihkan file kunci yang di-cache
-c, --cache
Men-cache keypoint ke file eksternal
--kalo
Tulis file kunci untuk semua gambar
-k , --writekeyfile
Tulis file kunci untuk nomor gambar ini (diterima beberapa kali)
-o , --keluaran
File keluaran, diperlukan
-n , --ncore
Jumlah CPU/Core (default: autodetect)
-t, --tes
Mengaktifkan mode uji
--skala penuh
Menggunakan gambar skala penuh untuk mendeteksi titik kunci (default:false)
--ayakan1lebar
Saringan 1 : Jumlah ember pada lebar (default : 10)
--saringan1tinggi
Saringan 1 : Jumlah ember pada ketinggian (default : 10)
--ayakan1ukuran
Saringan 1: Poin maks per ember (default: 100)
--kdtreesteps
KDTree : langkah pencarian (default : 200)
--kdtreeseconddist
KDTree : jarak pertandingan ke-2 (default : 0.15)
--multibaris
Aktifkan pencocokan multi baris heuristik (default: nonaktif)
--kecocokan linier
Aktifkan pencocokan gambar linier (default: semua pasangan)
--linearmatchlen
Jumlah gambar yang akan dicocokkan dalam pencocokan linier (default:1)
--mincocok
Kecocokan minimum (default: 4)
--ransaciter
Ransac : iterasi (default : 1000)
--ransacdis
Ransac : ambang jarak estimasi homografi (piksel) (default : 25)
--ayakan2lebar
Saringan 2 : Jumlah ember pada lebar (default : 5)
--saringan2tinggi
Saringan 2 : Jumlah ember pada ketinggian (default : 5)
--ayakan2ukuran
Saringan 2: Poin maks per ember (default: 2)
--, --abaikan_istirahat
Mengabaikan argumen berlabel lainnya yang mengikuti tanda ini.
--Versi: kapan
Menampilkan informasi versi dan keluar.
-h, --membantu
Menampilkan informasi penggunaan dan keluar.
PENULIS
Anael Orlinski, Pablo d'Angelo, Antoine Deleforge, Thomas Modes
"Versi: 2015.0.0" 2016-01-06 CPFIND(1)
Gunakan cpfind online menggunakan layanan onworks.net