cpfind - ออนไลน์ในคลาวด์

โครงการ:

ชื่อ

cpfind - การจับคู่คุณลักษณะสำหรับการเย็บแบบพาโนรามา

เรื่องย่อ

ซีพีฟินด์ [ตัวเลือก] -o เอาท์พุท_โครงการ โครงการ.pto

ซีพีฟินด์ [ตัวเลือก] -k i0 -k i1 [...] โครงการ.pto

ซีพีฟินด์ [ตัวเลือก] --kall โครงการ.pto

DESCRIPTION

ซีพีฟินด์ cpfind เป็นเครื่องตรวจจับจุดควบคุมสำหรับ Hugin คาดว่าไฟล์โครงการเป็นอินพุต
และเขียนไฟล์โครงการที่มีจุดควบคุมความสำเร็จ ขึ้นอยู่กับเลนส์ที่สมเหตุสมผล
ข้อมูลในไฟล์โปรเจ็กต์อินพุต

ขั้นตอนแรกคือคำอธิบายคุณลักษณะ: ในขั้นตอนนี้ ภาพของไฟล์โครงการคือ
โหลดและเรียกค้นจุดสำคัญที่เรียกว่า พวกเขาอธิบายลักษณะเด่นใน
ภาพ. ซีพีฟินด์ ใช้ตัวอธิบายตามการไล่ระดับสีสำหรับคำอธิบายคุณสมบัติของ
ประเด็นสำคัญ

ในขั้นตอนที่สอง การจับคู่คุณลักษณะ ประเด็นสำคัญทั้งหมดของภาพสองภาพจะถูกจับคู่กับ
กันเพื่อค้นหาคุณสมบัติที่อยู่บนทั้งสองภาพ หากการจับคู่นี้ประสบความสำเร็จสองครั้ง
ประเด็นสำคัญในสองภาพกลายเป็นจุดควบคุมเดียว

การใช้

เส้นตรง และ ฟิชอาย ภาพ
Cpfind สามารถค้นหาจุดควบคุมในรูปภาพแบบเส้นตรงและแบบฟิชอาย เพื่อให้เกิดการควบคุมที่ดี
ชี้ภาพด้วยมุมมองภาพแนวนอนสูง (เช่น เส้นตรงแบบกว้างพิเศษหรือ
ฟิชอาย) จะถูกรีแมปใหม่เป็นช่องว่างตามรูปแบบ (cpfind กำลังใช้ stereographic
การฉายภาพ) และการจับคู่คุณลักษณะเกิดขึ้นในพื้นที่นี้ ก่อนเขียนตัวควบคุม
ชี้พิกัดจะทำการรีแมปกลับไปที่พื้นที่ภาพ สิ่งนี้เกิดขึ้นโดยอัตโนมัติ
ขึ้นอยู่กับข้อมูลเกี่ยวกับเลนส์ในไฟล์โปรเจ็กต์อินพุต ดังนั้นโปรดตรวจสอบว่า .ของคุณ
ไฟล์โปรเจ็กต์อินพุตมีข้อมูลที่เหมาะสมเกี่ยวกับเลนส์ที่ใช้

การใช้ เซเลสเต
พาโนรามากลางแจ้งมักจะมีเมฆ เมฆเป็นพื้นที่ที่ไม่ดีสำหรับการกำหนดจุดควบคุม
เพราะพวกมันกำลังเคลื่อนที่วัตถุ Cpfind สามารถใช้อัลกอริธึมเดียวกับ celeste_standalone ถึง
ปิดบังพื้นที่ที่มีเมฆ (ดำเนินการภายในสำหรับประเด็นสำคัญเท่านั้น
ค้นหาขั้นตอนและไม่เปลี่ยนช่องอัลฟาของภาพของคุณ หากคุณต้องการสร้าง
ภาพมาสก์ใช้ celeste_standalone) ในการรัน cpfind ด้วย celeste use

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

การใช้ cpfind กับ celeste ในตัวควรดีกว่าการใช้ cpfind และ
celeste_standalone ตามลำดับ เมื่อรัน cpfind กับพื้นที่เซเลสเต้ของเมฆซึ่ง
มักจะมีประเด็นสำคัญด้วยมาตรการคุณภาพสูง ถูกละเลย และพื้นที่ที่ไม่มี
ใช้เมฆแทน เมื่อรัน cpfind โดยไม่มี celeste ประเด็นสำคัญบน cloud ก็เช่นกัน
พบ. เมื่อเรียกใช้ celeste_standalone แล้ว จุดควบคุมเหล่านี้จะถูกลบออก ใน
กรณีที่เลวร้ายที่สุดจุดควบคุมทั้งหมดของคู่ภาพบางคู่จะถูกลบออก

ดังนั้นการรัน cpfind กับ celeste จะนำไปสู่ ​​"คุณภาพจุดควบคุม" ที่ดีขึ้นสำหรับกลางแจ้ง
พาโนรามา (เช่น พาโนรามาที่มีเมฆ) การรัน cpfind กับ celeste ใช้เวลานานกว่า cpfind
ตามลำพัง. ดังนั้นสำหรับภาพพาโนรามาในร่ม ไม่จำเป็นต้องระบุตัวเลือกนี้ (เพราะนานกว่านั้น
เวลาคำนวณ)

ขั้นตอน celeste สามารถปรับได้โดยใช้พารามิเตอร์ --celesteRadius and
--celesteThreshold

แม็ทชิ่ง กลยุทธ์
ทั้งหมด คู่

นี่คือกลยุทธ์การจับคู่เริ่มต้น ที่นี่คู่ภาพทั้งหมดจะจับคู่กัน
อื่น ๆ. เช่นถ้าโครงการของคุณมี 5 ภาพ cpfind จะจับคู่ภาพ: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 และ 3-4

กลยุทธ์นี้ใช้ได้กับกลยุทธ์การยิงทั้งหมด (แถวเดียว หลายแถว ไม่เรียงลำดับ) มันพบว่า
(เกือบ) คู่ภาพที่เชื่อมต่อทั้งหมด แต่การคำนวณมีราคาแพงสำหรับโครงการที่มี
หลายภาพ เพราะมันทดสอบคู่ภาพหลายคู่ที่ไม่ได้เชื่อมต่อกัน

วัดเชิงเส้น การจับคู่

กลยุทธ์การจับคู่นี้ใช้ได้ผลดีที่สุดสำหรับภาพพาโนรามาแถวเดียว:

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

สิ่งนี้จะตรวจจับเฉพาะการจับคู่ระหว่างรูปภาพที่อยู่ติดกัน เช่น 5 ตัวอย่างรูปภาพ it
จะจับคู่ภาพคู่ 0-1, 1-2, 2-3 และ 3-4 ระยะการจับคู่สามารถเพิ่มได้
ด้วยสวิตช์ --linearmatchlen เช่นกับ --linearmatchlen 2 cpfind จะจับคู่รูปภาพ
กับภาพถัดไปและภาพถัดไป ในตัวอย่างของเราคือ 0-1, 0-2, 1-2,
1-3, 2-3, 2-4 และ 3-4

มัลติโรว์ การจับคู่

นี่คือกลยุทธ์การจับคู่ที่ปรับให้เหมาะสมสำหรับพาโนรามาแถวเดียวและหลายแถว:

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

อัลกอริทึมจะเหมือนกับที่อธิบายไว้ในพาโนรามาหลายแถว ด้วยการบูรณาการสิ่งนี้
อัลกอริธึมใน cpfind นั้นเร็วกว่าโดยใช้หลายคอร์ของซีพียูที่ทันสมัยและไม่แคช
จุดสำคัญของแผ่นดิสก์ (ซึ่งใช้เวลานาน) หากคุณต้องการใช้หลายแถวนี้
การจับคู่ภายใน Hugin ตั้งค่าประเภทตัวตรวจจับจุดควบคุมเป็นภาพทั้งหมดพร้อมกัน

ประเด็นสำคัญ แคช ไปยัง แผ่นดิสก์

การคำนวณประเด็นสำคัญต้องใช้เวลาพอสมควร ดังนั้น cpfind จึงเสนอความเป็นไปได้ในการบันทึก
คีย์พอยท์ของไฟล์และนำกลับมาใช้ใหม่ในภายหลัง ด้วย --kall ประเด็นสำคัญสำหรับรูปภาพทั้งหมด
ในโครงการจะถูกบันทึกลงในแผ่นดิสก์ หากคุณต้องการเฉพาะจุดสำคัญของรูปภาพโดยเฉพาะ ให้ใช้
พารามิเตอร์ -k พร้อมหมายเลขรูปภาพ:

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

ไฟล์จุดสำคัญจะถูกบันทึกโดยค่าเริ่มต้นในไดเร็กทอรีเดียวกันกับรูปภาพที่มี
นามสกุล .key ในกรณีนี้จะไม่เกิดการจับคู่ภาพดังนั้นจึงไม่มีโปรเจ็กต์เอาต์พุต
ต้องระบุไฟล์ หาก cpfind ค้นหาคีย์ไฟล์สำหรับรูปภาพในโครงการ มันจะใช้
โดยอัตโนมัติและไม่เรียกใช้ตัวอธิบายคุณลักษณะอีกครั้งในภาพนี้ ถ้าคุณต้องการ
บันทึกลงในไดเร็กทอรีอื่นโดยใช้สวิตช์ --keypath

ขั้นตอนนี้สามารถทำได้โดยอัตโนมัติด้วยสวิตช์ --cache:

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

ในกรณีนี้จะพยายามโหลดไฟล์จุดสำคัญที่มีอยู่ สำหรับรูปภาพที่ไม่มี
ไฟล์จุดสำคัญ ตรวจพบจุดสำคัญและบันทึกลงในไฟล์ แล้วมันตรงกับโหลดทั้งหมด
และจุดสำคัญที่เพิ่งค้นพบและเขียนโครงการเอาท์พุต

หากคุณไม่ต้องการไฟล์คีย์อีกต่อไป ไฟล์จะถูกลบโดยอัตโนมัติโดย

cpfind -- clean input.pto

ขยาย OPTIONS

ลักษณะ ลักษณะ
ด้วยเหตุผลด้านความเร็ว cpfind กำลังใช้รูปภาพซึ่งถูกปรับขนาดเป็นความกว้างและความสูงครึ่งหนึ่ง
เพื่อค้นหาประเด็นสำคัญ ด้วยสวิตช์ --fullscale cpfind กำลังทำงานกับรูปภาพขนาดเต็ม
การดำเนินการนี้ใช้เวลานานกว่าแต่สามารถให้ "ดีกว่า" และ/หรือจุดควบคุมที่ "ดีกว่า" ได้

ขั้นตอนคำอธิบายคุณลักษณะสามารถปรับแต่งได้โดยใช้พารามิเตอร์:

--sieve1width
ตะแกรง 1: จำนวนถังตามความกว้าง (ค่าเริ่มต้น: 10)

--ตะแกรง1ความสูง
ตะแกรง 1: จำนวนถังบนความสูง (ค่าเริ่มต้น: 10)

--ตะแกรง1ขนาด
ตะแกรง 1: คะแนนสูงสุดต่อถัง (ค่าเริ่มต้น: 100)

--kdtreesteps
KDTree: ขั้นตอนการค้นหา (ค่าเริ่มต้น: 200)

--kdtreeseconddist

KDTree: ระยะการแข่งขันนัดที่ 2 (ค่าเริ่มต้น: 0.25)

Cpfind เก็บจุดสำคัญของ sieve1width * sieve1height * sieve1size สูงสุดต่อภาพ ถ้าคุณ
มีความเหลื่อมล้ำกันเพียงเล็กน้อย เช่น ถ่ายพาโนรามา 360 องศา กับภาพฟิชอายก็ได้
ได้ผลลัพธ์ที่ดีขึ้นหากคุณเพิ่ม sieve1size คุณยังสามารถลองเพิ่ม sieve1width
และ/หรือตะแกรง1ความสูง.

ลักษณะ การจับคู่
การปรับแต่งขั้นตอนการจับคู่โดยพารามิเตอร์ต่อไปนี้:

--แรนซาไซเตอร์
Ransac: วนซ้ำ (ค่าเริ่มต้น: 1000)

--นักฆ่า
Ransac: เกณฑ์ระยะทางการประมาณ homography (พิกเซล) (ค่าเริ่มต้น: 25)

--ransacmode (อัตโนมัติ, hom, rpy, rpyv, rpyb)
เลือกรุ่นที่ใช้ในขั้นตอน ransac

hom: สมมติโฮโมกราฟฟี ใช้ได้กับเลนส์มุมกว้างเท่านั้น
มุมมอง ใช้รหัสพาโนรามาดั้งเดิม มีความยืดหยุ่นมากขึ้น
เกินความจำเป็นและสามารถสร้างแมตช์เท็จได้ โดยเฉพาะถ้าส่วนใหญ่
ของการแข่งขันจะอยู่ในบรรทัดเดียว

rpy: จัดแนวรูปภาพโดยใช้การม้วน ระยะพิทช์ และการหันเห สิ่งนี้ต้องการสิ่งที่ดี
ค่าประมาณของมุมมองแนวนอน (และการบิดเบือนสำหรับ
ภาพบิดเบี้ยวมาก) เป็นโหมดที่ต้องการถ้าa
ใช้เลนส์ที่ปรับเทียบแล้วหรือ HFOV สามารถอ่านได้สำเร็จ
จากข้อมูล EXIF

rpyv: จัดแนวคู่โดยเพิ่มประสิทธิภาพการม้วน, ขว้าง, หันเหและฟิลด์ของ
ดู. ควรทำงานโดยปราศจากความรู้ด้านทัศนวิสัยก่อน
แต่อาจล้มเหลวบ่อยขึ้นเนื่องจากฟังก์ชันข้อผิดพลาดที่ใช้ใน
เครื่องมือเพิ่มประสิทธิภาพ panotools มีแนวโน้มที่จะลดขนาด fov เป็น 0

rpyvb: ปรับแนวคู่โดยเพิ่มประสิทธิภาพการม้วน, ระยะห่าง, การหันเห, มุมมองและ
พารามิเตอร์การบิดเบือน "b" คงเปราะบางมากสินะ
นำไปใช้สำหรับการทดสอบ

อัตโนมัติ: ใช้โฮโมกราฟฟีสำหรับรูปภาพที่มี hfov <65 องศา และ rpy อย่างอื่น

--minmatch
การแข่งขันขั้นต่ำ (ค่าเริ่มต้น: 4)

--sieve2width
ตะแกรง 2: จำนวนถังตามความกว้าง (ค่าเริ่มต้น: 5)

--ตะแกรง2ความสูง
ตะแกรง 2: จำนวนถังบนความสูง (ค่าเริ่มต้น: 5)

--ตะแกรง2ขนาด
ตะแกรง 2: คะแนนสูงสุดต่อถัง (ค่าเริ่มต้น: 2)

Cpfind สร้างระหว่าง minmatches และ sieve2width * sieve2height * sieve2size
ควบคุมจุดระหว่างคู่ของรูปภาพ (ค่าเริ่มต้นอยู่ระหว่าง 4 ถึง 50 (=5*5*2)
จุดควบคุมต่อคู่ของภาพ) หากน้อยกว่า จะพบจุดควบคุม minmatch สำหรับ a
ให้คู่รูปภาพที่กำหนดจุดควบคุมเหล่านี้จะถูกละเว้นและคู่ของรูปภาพนี้คือ
ถือว่าไม่เกี่ยวกัน สำหรับการคาบเกี่ยวกันแคบๆ คุณสามารถลองลด minmatches
แต่สิ่งนี้จะเพิ่มความเสี่ยงที่จะได้จุดควบคุมที่ไม่ถูกต้อง

OPTIONS

--celesteRadius
รัศมีสำหรับเซเลสเต้ (ค่าเริ่มต้น 20)

--celesteเกณฑ์
เกณฑ์สำหรับเซเลสเต้ (ค่าเริ่มต้น 0.5)

--เซเลสเต้
เรียกใช้การระบุท้องฟ้าของ Celeste หลังจากโหลดรูปภาพ สิ่งนี้จะละเว้นคุณสมบัติทั้งหมด
เกี่ยวข้องกับ 'เมฆ'

-p <สตริง, -- คีย์พาธ
เส้นทางไปยังแคชคีย์ไฟล์

--ทำความสะอาด
ล้างแคชคีย์ไฟล์

-c, --แคช
แคชจุดสำคัญไปยังไฟล์ภายนอก

--คาลล์
เขียนคีย์ไฟล์สำหรับภาพทั้งหมด

-k , --writekeyfile
เขียนคีย์ไฟล์สำหรับหมายเลขภาพนี้ (ยอมรับหลายครั้ง)

-o , --เอาท์พุท
ไฟล์เอาต์พุต จำเป็น

-n , --ncores
จำนวน CPU/แกน (ค่าเริ่มต้น:ตรวจจับอัตโนมัติ)

-t, --ทดสอบ
เปิดใช้งานโหมดทดสอบ

--เต็มรูปแบบ
ใช้รูปภาพขนาดเต็มเพื่อตรวจหาจุดสำคัญ (ค่าเริ่มต้น:เท็จ)

--sieve1width
ตะแกรง 1 : จำนวนถังบนความกว้าง (ค่าเริ่มต้น: 10)

--ตะแกรง1ความสูง
ตะแกรง 1 : จำนวนถังบนความสูง (ค่าเริ่มต้น: 10)

--ตะแกรง1ขนาด
ตะแกรง 1 : คะแนนสูงสุดต่อถัง (ค่าเริ่มต้น: 100)

--kdtreesteps
KDTree : ขั้นตอนการค้นหา (ค่าเริ่มต้น : 200)

--kdtreeseconddist
KDTree : ระยะการแข่งขันนัดที่ 2 (ค่าเริ่มต้น : 0.15)

--หลายแถว
เปิดใช้งานการจับคู่หลายแถวแบบศึกษาสำนึก (ค่าเริ่มต้น: ปิด)

--การจับคู่เชิงเส้น
เปิดใช้งานการจับคู่รูปภาพเชิงเส้น (ค่าเริ่มต้น: ทุกคู่)

--ลิเนียร์แมตช์เลน
จำนวนรูปภาพที่จะจับคู่ในการจับคู่เชิงเส้น (ค่าเริ่มต้น: 1)

--minmatch
การแข่งขันขั้นต่ำ (ค่าเริ่มต้น: 4)

--แรนซาไซเตอร์
Ransac : วนซ้ำ (ค่าเริ่มต้น : 1000)

--นักฆ่า
Ransac : เกณฑ์ระยะทางการประเมินโฮโมกราฟฟี (พิกเซล) (ค่าเริ่มต้น: 25)

--sieve2width
ตะแกรง 2 : จำนวนถังบนความกว้าง (ค่าเริ่มต้น: 5)

--ตะแกรง2ความสูง
ตะแกรง 2 : จำนวนถังบนความสูง (ค่าเริ่มต้น: 5)

--ตะแกรง2ขนาด
ตะแกรง 2 : คะแนนสูงสุดต่อถัง (ค่าเริ่มต้น: 2)

--, --ignore_rest
ละเว้นอาร์กิวเมนต์ที่ติดป้ายกำกับที่เหลือหลังจากตั้งค่าสถานะนี้

--รุ่น
แสดงข้อมูลเวอร์ชันและการออก

-h, --ช่วยด้วย
แสดงข้อมูลการใช้งานและทางออก

ผู้เขียน

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

"เวอร์ชัน: 2015.0.0" 2016-01-06 ซีพีฟินด์(1)

ใช้ cpfind ออนไลน์โดยใช้บริการ onworks.net