cpfind - Online na nuvem

PROGRAMA:

NOME

cpfind - Correspondência de recursos para costura panorâmica

SINOPSE

cpfind [opções] -o projeto_saída projeto.pto

cpfind [opções] -k i0 -k i1 [...] projeto.pto

cpfind [opções] --kall projeto.pto

DESCRIÇÃO

cpfind cpfind é um detector de ponto de controle para Hugin. Ele espera um arquivo de projeto como entrada
e grava um arquivo de projeto com pontos de controle em caso de sucesso. Depende de lentes razoáveis
informações no arquivo de projeto de entrada.

A primeira etapa é a descrição do recurso: Nesta etapa as imagens do arquivo de projeto são
carregados e os chamados pontos-chave são pesquisados. Eles descrevem características destintivas no
imagem. cpfind usa um descritor baseado em gradiente para a descrição do recurso do
pontos chave.

Em uma segunda etapa, a correspondência de recursos, todos os pontos-chave de duas imagens são comparados
uns aos outros para encontrar recursos que estão em ambas as imagens. Se esta correspondência foi bem-sucedida, dois
os pontos-chave nas duas imagens tornam-se um ponto de controle.

USO

Retilíneo e fisheye imagens
O Cpfind pode encontrar pontos de controle em imagens retilíneas e fisheye. Para alcançar um bom controle
aponta imagens com um alto campo de visão horizontal (por exemplo, retilíneo ultra amplo ou
olho de peixe) são, portanto, remapeados em um espaço conforme (cpfind está usando o método estereográfico
projeção) e a correspondência de recursos ocorre neste espaço. Antes de escrever o controle
aponta as coordenadas são remapeadas de volta para o espaço da imagem. Isso acontece automaticamente
dependendo das informações sobre a lente no arquivo de projeto de entrada. Portanto, verifique se o seu
o arquivo de projeto de entrada contém informações razoáveis ​​sobre as lentes usadas.

utilização celeste
O panorama ao ar livre geralmente contém nuvens. Nuvens são áreas ruins para definir pontos de controle
porque eles estão se movendo objeto. Cpfind pode usar o mesmo algoritmo que celeste_standalone para
áreas mascaradas que contêm nuvens. (Isso só é feito internamente para o ponto-chave
encontrar passo e não alterar o canal alfa de sua imagem. Se você deseja gerar
uma imagem de máscara use celeste_standalone). Para executar cpfind com celeste, use

cpfind --celeste -o saída.pto entrada.pto

Usar cpfind com celeste integrado deve ser superior ao uso de cpfind e
celeste_standalone sequential. Ao executar cpfind com áreas celeste de nuvens, que
muitas vezes contém pontos-chave com uma medida de alta qualidade, são desconsiderados e áreas sem
nuvens são usadas em seu lugar. Ao executar o cpfind sem celeste também os pontos-chave nas nuvens são
encontrado. Ao executar o celeste_standalone posteriormente, esses pontos de controle são removidos. No
Na pior das hipóteses, todos os pontos de controle de um determinado par de imagens são removidos.

Portanto, executar cpfind com celeste leva a uma melhor "qualidade de ponto de controle" para exteriores
panorama (por exemplo, panorama com nuvens). Executar cpfind com celeste leva mais tempo do que cpfind
sozinho. Portanto, para panorama interno, esta opção não precisa ser especificada (por causa de
tempo de computação).

A etapa celeste pode ser ajustada pelos parâmetros --celesteRadius e
--celesteThreshold.

Correspondente estratégia
Todos os Produtos pares

Esta é a estratégia de correspondência padrão. Aqui, todos os pares de imagens são combinados com cada
de outros. Por exemplo, se o seu projeto contém 5 imagens, então cpfind corresponde aos pares de imagens: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 e 3-4

Esta estratégia funciona para todas as estratégias de tiro (linha única, várias linhas, não ordenado). Encontra
(quase) todos os pares de imagens conectados. Mas é caro computacionalmente para projetos com
muitas imagens, porque testa muitos pares de imagens que não estão conectados.

Linear partida

Essa estratégia de correspondência funciona melhor para panoramas de uma única linha:

cpfind --linearmatch -o saída.pto entrada.pto

Isso só detectará correspondências entre imagens adjacentes, por exemplo, para o exemplo de 5 imagens
corresponderá aos pares de imagens 0-1, 1-2, 2-3 e 3-4. A distância correspondente pode ser aumentada
com a opção --linearmatchlen. Por exemplo, com --linearmatchlen 2 cpfind irá corresponder a uma imagem
com a próxima imagem e a imagem após a próxima, em nosso exemplo seria 0-1, 0-2, 1-2,
1-3, 2-3, 2-4 e 3-4.

Várias linhas correspondente

Esta é uma estratégia de correspondência otimizada para panorama de uma e várias linhas:

cpfind --multirow -o saída.pto entrada.pto

O algoritmo é o mesmo descrito no panorama de várias linhas. Integrando este
algoritmo em cpfind é mais rápido usando vários núcleos de CPUs modernas e não caching
os pontos-chave para o disco (o que é demorado). Se você quiser usar este multi-linha
correspondência dentro do Hugin defina o tipo de detector de ponto de controle para Todas as imagens de uma vez.

Pontos chave cache para disco

O cálculo dos pontos-chave leva algum tempo. Portanto, o cpfind oferece a possibilidade de salvar o
pontos-chave para um arquivo e reutilizá-los novamente mais tarde. Com --kall os pontos-chave para todas as imagens
no projeto são salvos no disco. Se você quiser apenas os pontos-chave de uma imagem específica, use
o parâmetro -k com o número da imagem:

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

Os arquivos de ponto-chave são salvos por padrão no mesmo diretório que as imagens com o
extensão .key. Neste caso, nenhuma correspondência de imagens ocorre e, portanto, nenhum projeto de saída
o arquivo precisa ser especificado. Se cpfind encontrar arquivos-chave para uma imagem no projeto, ele usará
automaticamente e não execute o descritor de recurso novamente nesta imagem. Se você quiser
salve-os em outro diretório, use a opção --keypath.

Este procedimento também pode ser automatizado com a opção --cache:

cpfind --cache -o saída.pto entrada.pto

Nesse caso, ele tenta carregar os arquivos de ponto-chave existentes. Para imagens, que não têm um
arquivo de ponto-chave, os pontos-chave são detectados e salvos no arquivo. Em seguida, ele corresponde a todos os carregados
e pontos-chave recém-encontrados e grava o projeto de saída.

Se você não precisar mais do arquivo de chave, ele pode ser excluído automaticamente por

cpfind --clean input.pto

ESTENDIDO OPÇÕES

Característica descrição
Por motivos de velocidade, o cpfind está usando imagens, que são dimensionadas para a metade da largura e altura,
para encontrar pontos-chave. Com a opção --fullscale cpfind está trabalhando nas imagens em escala real.
Isso leva mais tempo, mas pode fornecer "melhores" e / ou mais pontos de controle.

A etapa de descrição do recurso pode ser ajustada pelos parâmetros:

--sieve1largura
Peneira 1: Número de cubetas na largura (padrão: 10)

--peneira1altura
Peneira 1: Número de baldes na altura (padrão: 10)

--sieve1size
Peneira 1: Máximo de pontos por balde (padrão: 100)

--kdtreesteps
KDTree: etapas de pesquisa (padrão: 200)

--kdtreeseconddist

KDTree: distância da 2ª partida (padrão: 0.25)

Cpfind armazena pontos-chave de tamanho máximo de sieve1width * sieve1height * sieve1size por imagem. Se você
têm apenas uma pequena sobreposição, por exemplo, para fotos panorâmicas de 360 ​​graus com imagens fisheye, você pode
obtenha melhores resultados se aumentar o tamanho do sieve1. Você também pode tentar aumentar a largura do sieve1
e / ou sieve1height.

Característica correspondente
Ajuste fino da etapa de correspondência pelos seguintes parâmetros:

--ransaciter
Ransac: iterações (padrão: 1000)

--ransacdist
Ransac: limite de distância de estimativa de homografia (pixels) (padrão: 25)

--ransacmode (automático, hom, rpy, rpyv, rpyb)
Selecione o modelo usado na etapa ransac.

hom: Suponha uma homografia. Aplicável apenas para ângulo não grande
Visualizações. Usa o código panorâmico original. Também é mais flexível
do que o necessário e pode gerar correspondências falsas, especialmente se a maioria
das correspondências estão localizadas em uma única linha.

rpy: Alinha imagens usando roll, pitch e yaw. Isso requer um bom
estimativa para o campo de visão horizontal (e distorção, para
imagens fortemente distorcidas). É o modo preferido se um
lente calibrada é usada, ou o HFOV pode ser lido com sucesso
a partir dos dados EXIF.

rpyv: Alinha o par otimizando o roll, pitch, yaw e campo de
visualizar. Deve funcionar sem conhecimento prévio do campo de visão,
mas pode falhar com mais frequência, devido à função de erro usada no
otimizador do panotools, ele tende a diminuir o fov para 0.

rpyvb: Alinha o par otimizando roll, pitch, yaw, campo de visão e
o parâmetro de distorção "b". Provavelmente muito frágil, apenas
implementado para teste.

auto: Use homografia para imagens com hfov <65 graus e rpy caso contrário.

--minmatches
Correspondências mínimas (padrão: 4)

--sieve2largura
Peneira 2: Número de cubetas na largura (padrão: 5)

--peneira2altura
Peneira 2: Número de baldes na altura (padrão: 5)

--sieve2size
Peneira 2: Máximo de pontos por balde (padrão: 2)

Cpfind gera entre minmatches e sieve2width * sieve2height * sieve2size
pontos de controle entre um par de imagens. (A configuração padrão é entre 4 e 50 (= 5 * 5 * 2)
pontos de controle por par de imagens.) Se menos, então, pontos de controle de minmatches são encontrados para um
dados pares de imagens, esses pontos de controle são desconsiderados e este par de imagens é
considera como não conectado. Para sobreposições estreitas, você pode tentar diminuir as minmatches,
mas isso aumenta o risco de obter pontos de controle errados.

OPÇÕES

--celesteRadius
Raio para celeste (padrão 20)

--celesteThreshold
Limite para celeste (padrão 0.5)

--celeste
Execute a identificação celeste sky após carregar as imagens, isso ignora todos os recursos
associado a 'nuvens'.

-p <string, --keypath
Caminho para armazenar arquivos de chaves

--limpar
Limpe os arquivos-chave em cache

-c, --cache
Armazena pontos-chave em cache em arquivo externo

--kall
Escreva arquivos de chave para todas as imagens

-k , --writekeyfile
Escreva um arquivo-chave para este número de imagem (aceito várias vezes)

-o , --resultado
Arquivo de saída, obrigatório

-n , --cores
Número de CPU / Cores (padrão: autodetect)

-t, --teste
Ativa o modo de teste

--escala completa
Usa imagem em escala real para detectar pontos-chave (padrão: falso)

--sieve1largura
Peneira 1: Número de cubetas na largura (padrão: 10)

--peneira1altura
Peneira 1: Número de baldes na altura (padrão: 10)

--sieve1size
Peneira 1: Máximo de pontos por balde (padrão: 100)

--kdtreesteps
KDTree: etapas de pesquisa (padrão: 200)

--kdtreeseconddist
KDTree: distância da 2ª partida (padrão: 0.15)

--multilinha
Ativar correspondência heurística de várias linhas (padrão: desativado)

--linearmatch
Ativar correspondência de imagens lineares (padrão: todos os pares)

--linearmatchlen
Número de imagens para corresponder na correspondência linear (padrão: 1)

--minmatches
Correspondências mínimas (padrão: 4)

--ransaciter
Ransac: iterações (padrão: 1000)

--ransacdist
Ransac: limite de distância de estimativa de homografia (pixels) (padrão: 25)

--sieve2largura
Peneira 2: Número de cubetas na largura (padrão: 5)

--peneira2altura
Peneira 2: Número de baldes na altura (padrão: 5)

--sieve2size
Peneira 2: Máximo de pontos por balde (padrão: 2)

--, --ignore_rest
Ignora o resto dos argumentos rotulados após este sinalizador.

--versão
Exibe informações sobre a versão e sai.

-h, --Socorro
Exibe informações de uso e saídas.

AUTORES

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

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

Use cpfind online usando serviços onworks.net