cpfind - Dalam Talian di Awan

JADUAL:

NAMA

cpfind - Padanan ciri untuk jahitan panorama

SINOPSIS

cpfind [pilihan] -o projek_keluaran projek.pto

cpfind [pilihan] -k i0 -k i1 [...] projek.pto

cpfind [pilihan] --kall projek.pto

DESCRIPTION

cpfind cpfind ialah pengesan titik kawalan untuk Hugin. Ia mengharapkan fail projek sebagai input
dan menulis fail projek dengan titik kawalan pada kejayaan. Ia bergantung pada kanta yang munasabah
maklumat dalam fail projek input.

Langkah pertama ialah penerangan ciri: Dalam langkah ini imej fail projek adalah
dimuatkan dan dipanggil titik kunci dicari. Mereka menerangkan ciri-ciri destinasi dalam
gambar. cpfind menggunakan deskriptor berasaskan kecerunan untuk penerangan ciri bagi
perkara utama.

Dalam langkah kedua, padanan ciri, semua titik utama dua imej dipadankan
satu sama lain untuk mencari ciri yang terdapat pada kedua-dua imej. Jika padanan ini berjaya dua
titik kunci dalam dua imej menjadi satu titik kawalan.

PENGGUNAAN

Rectilinear and fisheye imej
Cpfind boleh mencari titik kawalan dalam imej rectilinear dan fisheye. Untuk mencapai kawalan yang baik
menunjuk imej dengan medan pandangan mendatar yang tinggi (cth. rectilinear ultra lebar atau
fisheye) oleh itu dipetakan semula ke dalam ruang konformal (cpfind menggunakan stereografik
unjuran) dan padanan ciri berlaku dalam ruang ini. Sebelum menulis kawalan
titik koordinat dipetakan semula ke ruang imej. Ini berlaku secara automatik
bergantung pada maklumat tentang lensa dalam fail projek input. Jadi semak bahawa anda
fail projek input mengandungi maklumat yang munasabah tentang kanta yang digunakan.

Menggunakan celeste
Panorama luar selalunya mengandungi awan. Awan adalah kawasan yang tidak baik untuk menetapkan titik kawalan
kerana ia adalah objek yang bergerak. Cpfind boleh menggunakan algoritma yang sama seperti celeste_standalone untuk
kawasan bertopeng yang mengandungi awan. (Ini hanya dilakukan secara dalaman untuk titik kunci
mencari langkah dan tidak mengubah saluran alfa imej anda. Jika anda ingin menjana
imej topeng menggunakan celeste_standalone). Untuk menjalankan cpfind dengan penggunaan celeste

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

Menggunakan cpfind dengan celeste bersepadu seharusnya lebih baik daripada menggunakan cpfind dan
celeste_standalone sequential. Apabila menjalankan cpfind dengan celeste kawasan awan, yang
selalunya mengandungi titik kunci dengan ukuran kualiti yang tinggi, tidak diendahkan dan kawasan yang tidak
awan digunakan sebaliknya. Apabila menjalankan cpfind tanpa celeste juga titik kunci pada awan adalah
dijumpai. Apabila selepas itu menjalankan celeste_standalone titik kawalan ini dialih keluar. Di dalam
kes terburuk semua titik kawalan pasangan imej tertentu dialih keluar.

Jadi menjalankan cpfind dengan celeste membawa kepada "kualiti titik kawalan" yang lebih baik untuk luaran
panorama (cth panorama dengan awan). Menjalankan cpfind dengan celeste mengambil masa lebih lama daripada cpfind
bersendirian. Jadi untuk panorama dalaman pilihan ini tidak perlu ditentukan (kerana lebih lama
masa pengiraan).

Langkah celeste boleh ditala dengan baik oleh parameter --celesteRadius dan
--celesteThreshold.

Pemadanan strategi
SEMUA pasangan

Ini ialah strategi padanan lalai. Di sini semua pasangan imej dipadankan dengan setiap pasangan
lain. Cth jika projek anda mengandungi 5 imej maka cpfind sepadan dengan pasangan imej: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 dan 3-4

Strategi ini berfungsi untuk semua strategi penangkapan (baris tunggal, berbilang baris, tidak tertib). Ia mendapati
(hampir) semua pasangan imej yang bersambung. Tetapi ia adalah mahal pengiraan untuk projek dengan
banyak imej, kerana ia menguji banyak pasangan imej yang tidak bersambung.

Linear sepadan dengan

Strategi pemadanan ini paling sesuai untuk panorama baris tunggal:

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

Ini hanya akan mengesan padanan antara imej bersebelahan, contohnya untuk 5 imej contoh itu
akan memadankan pasangan imej 0-1, 1-2, 2-3 dan 3-4. Jarak yang sepadan boleh ditingkatkan
dengan suis --linearmatchlen. Cth dengan --linearmatchlen 2 cpfind akan sepadan dengan imej
dengan imej seterusnya dan imej selepas seterusnya, dalam contoh kami ia akan menjadi 0-1, 0-2, 1-2,
1-3, 2-3, 2-4 dan 3-4.

Berbilang baris sepadan

Ini ialah strategi pemadanan yang dioptimumkan untuk panorama tunggal dan berbilang baris:

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

Algoritma adalah sama seperti yang diterangkan dalam panorama berbilang baris. Dengan mengintegrasikan ini
algoritma ke cpfind ia lebih pantas dengan menggunakan beberapa teras CPU moden dan jangan caching
titik kunci kepada cakera (yang memakan masa). Jika anda ingin menggunakan berbilang baris ini
padanan dalam hugin tetapkan jenis pengesan titik kawalan kepada Semua imej sekaligus.

Perkara utama caching kepada cakera

Pengiraan titik utama mengambil sedikit masa. Jadi cpfind menawarkan kemungkinan untuk menyimpan
titik kunci ke fail dan menggunakannya semula kemudian lagi. Dengan --kall titik utama untuk semua imej
dalam projek disimpan ke cakera. Jika anda hanya mahukan titik utama penggunaan imej tertentu
parameter -k dengan nombor imej:

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

Fail titik kunci disimpan secara lalai ke dalam direktori yang sama seperti imej dengan
sambungan .kunci. Dalam kes ini tiada padanan imej berlaku dan oleh itu tiada projek output
fail perlu dinyatakan. Jika cpfind menemui fail kunci untuk imej dalam projek yang akan digunakan
secara automatik dan tidak menjalankan deskriptor ciri sekali lagi pada imej ini. Jika anda mahu
simpannya ke direktori lain menggunakan suis --keypath.

Prosedur ini juga boleh diautomasikan dengan suis --cache:

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

Dalam kes ini ia cuba memuatkan fail keypoint sedia ada. Untuk imej, yang tidak mempunyai a
fail keypoint, titik kunci dikesan dan disimpan ke fail. Kemudian ia sepadan dengan semua dimuatkan
dan titik kunci yang baru ditemui dan menulis projek output.

Jika anda tidak memerlukan fail kunci lebih lama, fail tersebut boleh dipadam secara automatik oleh

cpfind --input bersih.pto

EXTENDED PILIHAN

Ciri Penerangan
Atas sebab kelajuan cpfind menggunakan imej, yang diskalakan kepada separuh lebar dan tingginya,
untuk mencari titik kunci. Dengan suis --fullscale cpfind berfungsi pada imej skala penuh.
Ini mengambil masa yang lebih lama tetapi boleh memberikan "lebih baik" dan/atau lebih banyak titik kawalan.

Langkah penerangan ciri boleh diperhalusi oleh parameter:

--ayak1lebar
Ayak 1: Bilangan baldi pada lebar (lalai: 10)

--ayak1tinggi
Ayak 1: Bilangan baldi pada ketinggian (lalai: 10)

--saiz ayak1
Ayak 1: Mata maksimum setiap baldi (lalai: 100)

--kdtreesteps
KDTree: langkah carian (lalai: 200)

--kdtreeseconddist

KDTree: jarak perlawanan ke-2 (lalai: 0.25)

Cpfind menyimpan maksimum ayak1lebar * ayak1tinggi * ayak1saiz titik kekunci setiap imej. Jika awak
hanya mempunyai pertindihan kecil, contohnya untuk tangkapan panorama 360 darjah dengan imej mata ikan, anda boleh
dapatkan hasil yang lebih baik jika anda meningkatkan saiz ayak. Anda juga boleh cuba meningkatkan sieve1width
dan/atau penapis1tinggi.

Ciri sepadan
Penalaan halus langkah padanan dengan parameter berikut:

--penusak
Ransac: lelaran (lalai: 1000)

--penolong
Ransac: ambang jarak anggaran homografi (piksel) (lalai: 25)

--ransacmode (auto, hom, rpy, rpyv, rpyb)
Pilih model yang digunakan dalam langkah ransac.

hom: Andaikan homografi. Hanya terpakai untuk sudut bukan lebar
pandangan. Menggunakan kod panomatik asal. Ia juga lebih fleksibel
daripada yang diperlukan dan boleh menghasilkan padanan palsu, terutamanya jika kebanyakannya
daripada perlawanan terletak pada satu baris.

rpy: Jajarkan imej menggunakan roll, pitch dan yaw. Ini memerlukan kebaikan
anggaran untuk medan pandangan mendatar (dan herotan, untuk
imej yang sangat herot). Ia adalah mod pilihan jika a
kanta yang ditentukur digunakan, atau HFOV boleh dibaca dengan jayanya
daripada data EXIF.

rpyv: Jajarkan pasangan dengan mengoptimumkan guling, pic, yaw dan medan
pandangan. Seharusnya bekerja tanpa pengetahuan awal tentang bidang pandangan,
tetapi mungkin gagal lebih kerap, disebabkan oleh fungsi ralat yang digunakan dalam
pengoptimum panotools, ia cenderung untuk mengecilkan fov kepada 0.

rpyvb: Jajarkan pasangan dengan mengoptimumkan roll, pic, yaw, medan pandangan dan
parameter herotan "b". Mungkin sangat rapuh, cuma
dilaksanakan untuk ujian.

auto: Gunakan homografi untuk imej dengan hfov < 65 darjah dan rpy sebaliknya.

--minmatches
Padanan minimum (lalai: 4)

--ayak2lebar
Ayak 2: Bilangan baldi pada lebar (lalai: 5)

--ayak2tinggi
Ayak 2: Bilangan baldi pada ketinggian (lalai: 5)

--saiz ayak2
Ayak 2: Mata maksimum setiap baldi (lalai: 2)

Cpfind menjana antara minmatches dan sieve2width * sieve2height * sieve2size
titik kawalan antara pasangan imej. (Tetapan lalai adalah antara 4 dan 50 (=5*5*2)
titik kawalan setiap pasangan imej.) Jika kurang maka titik kawalan minpadanan ditemui untuk a
pasangan imej yang diberikan titik kawalan ini diabaikan dan pasangan imej ini adalah
menganggap sebagai tidak berkaitan. Untuk pertindihan yang sempit anda boleh cuba mengurangkan padanan min,
tetapi ini meningkatkan risiko mendapat titik kawalan yang salah.

PILIHAN

--celesteRadius
Jejari untuk celeste (lalai 20)

--celesteThreshold
Ambang untuk celeste (lalai 0.5)

--celeste
Jalankan pengenalan celeste sky selepas memuatkan imej, ini mengabaikan semua ciri
dikaitkan dengan 'awan'.

-p <rentetan, --laluan kekunci
Laluan ke fail kunci cache

--bersih
Bersihkan fail kunci cache

-c, --cache
Cache titik kunci ke fail luaran

--kall
Tulis fail kunci untuk semua imej

-k , --writekeyfile
Tulis fail kunci untuk nombor imej ini (diterima beberapa kali)

-o , --pengeluaran
Fail output, diperlukan

-n , --cores
Bilangan CPU/Teras (lalai:autodetek)

-t, --ujian
Mendayakan mod ujian

--skala penuh
Menggunakan imej skala penuh untuk mengesan titik kunci (lalai:palsu)

--ayak1lebar
Ayak 1 : Bilangan baldi pada lebar (lalai: 10)

--ayak1tinggi
Ayak 1 : Bilangan baldi pada ketinggian (lalai : 10)

--saiz ayak1
Ayak 1 : Mata maksimum setiap baldi (lalai: 100)

--kdtreesteps
KDTree : langkah carian (lalai : 200)

--kdtreeseconddist
KDTree : jarak perlawanan ke-2 (lalai : 0.15)

--multirow
Dayakan padanan berbilang baris heuristik (lalai: mati)

--padanan garis
Dayakan padanan imej linear (lalai: semua pasangan)

--linearmatchlen
Bilangan imej untuk dipadankan dalam padanan linear (lalai:1)

--minmatches
Padanan minimum (lalai : 4)

--penusak
Ransac : lelaran (lalai : 1000)

--penolong
Ransac : ambang jarak anggaran homografi (piksel) (lalai : 25)

--ayak2lebar
Ayak 2 : Bilangan baldi pada lebar (lalai: 5)

--ayak2tinggi
Ayak 2 : Bilangan baldi pada ketinggian (lalai : 5)

--saiz ayak2
Ayak 2 : Mata maksimum setiap baldi (lalai: 2)

--, --abaikan_rehat
Abaikan selebihnya hujah berlabel berikutan bendera ini.

--versi
Memaparkan maklumat versi dan keluar.

-h, - membantu
Memaparkan maklumat penggunaan dan keluar.

PENGARANG

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

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

Gunakan cpfind dalam talian menggunakan perkhidmatan onworks.net