cpfind - Інтернет у хмарі

ПРОГРАМА:

ІМ'Я

cpfind - зіставлення функцій для панорамного зшивання

СИНТАКСИС

cpfind [варіанти] -о вихідний_проект project.pto

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

cpfind [параметри] --kall project.pto

ОПИС

cpfind cpfind — це детектор контрольної точки для Hugin. Він очікує файл проекту як вхідний
і записує файл проекту з контрольними точками про успіх. Це залежить від розумного об'єктива
інформацію у вхідному файлі проекту.

Першим кроком є ​​опис функції: на цьому кроці є зображення файлу проекту
завантажені та шукаються так звані ключові точки. Вони описують характерні риси в
зображення. cpfind використовує дескриптор на основі градієнта для опису ознак
Ключові моменти.

На другому кроці, узгодженні ознак, усі ключові точки двох зображень зіставляються
один одного, щоб знайти ознаки, які є на обох зображеннях. Якщо це співставлення було успішним два
ключові точки на двох зображеннях стають однією контрольною точкою.

ВИКОРИСТАННЯ

Прямолінійний та рибалка зображень
Cpfind може знаходити контрольні точки в прямолінійних зображеннях і зображеннях «риб'яче око». Щоб досягти хорошого контролю
точкові зображення з високим горизонтальним полем зору (наприклад, надширокий прямолінійний або
риб’яче око) для цього переназначаються в конформний простір (cpfind використовує стереографіку
проекція) і у цьому просторі відбувається відповідність ознак. Перед написанням контрольної
точки, координати яких переназначаються назад у простір зображення. Це відбувається автоматично
залежно від інформації про об'єктив у вхідному файлі проекту. Тому перевірте, чи ваш
вхідний файл проекту містить обґрунтовану інформацію про використаний об'єктив.

використання Селеста
Зовнішня панорама часто містить хмари. Хмари - це погані місця для встановлення контрольних точок
тому що вони рухомі об'єкти. Cpfind може використовувати той самий алгоритм, що й celeste_standalone to
замасковані області, які містять хмари. (Це робиться лише внутрішньо для ключової точки
крок пошуку і не змінює альфа-канал вашого зображення. Якщо ви хочете генерувати
зображення маски використовуйте celeste_standalone). Щоб запустити cpfind за допомогою celeste, використовуйте

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

Використання cpfind з інтегрованою celeste має перевершувати використання cpfind і
celeste_standalone послідовний. Під час виконання cpfind із селестою області хмар, які
часто містить ключові точки з високою якістю, ігноруються та області без
замість них використовуються хмари. При запуску cpfind без celeste також є ключові точки на хмарах
знайдено. Після запуску celeste_standalone ці контрольні точки видаляються. В
У гіршому випадку всі контрольні точки певної пари зображень видаляються.

Отже, запуск cpfind із celeste призводить до кращої «якості контрольної точки» для зовнішнього використання
панорама (наприклад, панорама з хмарами). Запуск cpfind із celeste займає більше часу, ніж cpfind
на самоті. Тому для панорами приміщень цей параметр не потрібно вказувати (через довше
час обчислення).

Крок Celeste можна точно налаштувати за допомогою параметрів --celesteRadius і
--celesteThreshold.

Узгодження стратегія
ВСІ пар

Це стратегія відповідності за замовчуванням. Тут усі пари зображень узгоджуються з кожним
інший. Наприклад, якщо ваш проект містить 5 зображень, то cpfind відповідає парам зображень: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 і 3-4

Ця стратегія працює для всіх стратегій стрільби (однорядна, багаторядна, невпорядкована). Воно знаходить
(майже) всі пов’язані пари зображень. Але це обчислювально дорого для проектів з
багато зображень, оскільки він перевіряє багато пар зображень, які не пов’язані.

Лінійний матч

Ця стратегія відповідності найкраще працює для однорядних панорам:

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

Це виявить збіги лише між сусідніми зображеннями, наприклад, для прикладу 5 зображень it
буде відповідати парам зображень 0-1, 1-2, 2-3 і 3-4. Відстань відповідності можна збільшити
з перемикачем --linearmatchlen. Наприклад, за допомогою --linearmatchlen 2 cpfind буде відповідати зображенню
з наступним зображенням і зображенням після наступного, у нашому прикладі це буде 0-1, 0-2, 1-2,
1-3, 2-3, 2-4 і 3-4.

Багаторядний узгодження

Це оптимізована стратегія відповідності для одно- та багаторядної панорами:

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

Алгоритм такий же, як описано в багаторядній панорамі. Інтегруючи це
алгоритм у cpfind це швидше, якщо використовувати кілька ядер сучасних процесорів і не кешувати
ключові точки для диска (що забирає багато часу). Якщо ви хочете використовувати цей багаторяд
відповідність всередині hugin встановіть для типу детектора контрольної точки значення Усі зображення одночасно.

Ключові моменти кешування до диск

Розрахунок ключових точок займає деякий час. Тому cpfind пропонує можливість зберегти файл
ключові точки до файлу та повторно використати їх пізніше. За допомогою --kall ключові точки для всіх зображень
у проекті зберігаються на диску. Якщо ви хочете використовувати лише ключові точки певного зображення
параметр -k з номером зображення:

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

Файли ключових точок за замовчуванням зберігаються в тому самому каталозі, що й зображення з файлом
розширення .key. У цьому випадку не відбувається збіг зображень і, отже, вихідний проект
файл потрібно вказати. Якщо cpfind знайде ключові файли для зображення в проекті, він скористається
їх автоматично, а не запускати дескриптор функції знову на цьому зображенні. Якщо ти хочеш
збережіть їх в іншому каталозі за допомогою перемикача --keypath.

Цю процедуру також можна автоматизувати за допомогою перемикача --cache:

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

У цьому випадку він намагається завантажити наявні файли ключових точок. Для зображень, які не мають a
ключові точки, ключові точки виявляються та зберігаються у файлі. Тоді він відповідає всім завантаженим
і знову знайдені ключові точки та записує вихідний проект.

Якщо ключовий файл більше не потрібен, його можна автоматично видалити

cpfind --очистити input.pto

ПОВЕРНЕНІ ВАРІАНТИ

особливість description
З міркувань швидкості cpfind використовує зображення, які масштабуються до половини ширини та висоти,
щоб знайти ключові точки. За допомогою перемикача --fullscale cpfind працює над повномасштабними зображеннями.
Це займає більше часу, але може забезпечити «кращі» та/або більше контрольних точок.

Крок опису функції можна точно налаштувати за допомогою параметрів:

--сито1ширина
Сито 1: кількість відер за шириною (за замовчуванням: 10)

--сито 1 висота
Сито 1: кількість відер по висоті (за замовчуванням: 10)

--сито 1 розмір
Сито 1: максимальна кількість балів за відро (за замовчуванням: 100)

--kdtreesteps
KDTree: кроки пошуку (за замовчуванням: 200)

--kdtreeseconddist

KDTree: відстань 2-го збігу (за замовчуванням: 0.25)

Cpfind зберігає максимальну sieve1width * sieve1height * sieve1size ключових точок на зображення. Якщо ви
мати лише невелике перекриття, наприклад, для панорамної зйомки на 360 градусів із зображеннями риб’ячого ока
отримати кращі результати, якщо збільшити sieve1size. Ви також можете спробувати збільшити sieve1width
та/або сито 1 висота.

особливість узгодження
Точне налаштування кроку узгодження за такими параметрами:

-- шанувальник
Ransac: ітерації (за замовчуванням: 1000)

--рансакдист
Ransac: поріг відстані оцінки гомографії (пікселі) (за замовчуванням: 25)

-- ransacmode (авто, hom, rpy, rpyv, rpyb)
Виберіть модель, використану на етапі розшуку.

hom: Припустимо гомографію. Застосовується лише для неширококутних
переглядів. Використовує оригінальний паноматичний код. Він також більш гнучкий
ніж потрібно, і може генерувати помилкові збіги, особливо якщо більшість
збігів розташовані на одній лінії.

rpy: вирівнювання зображень за допомогою крену, нахилу та відхилення. Для цього потрібне добро
оцінка для горизонтального поля зору (і спотворення, для
сильно спотворені зображення). Це найкращий режим, якщо a
використовується відкалібрований об’єктив, або HFOV може бути успішно прочитаний
з даних EXIF.

rpyv: Вирівняйте пару шляхом оптимізації крену, кроку, рискання та поля
переглядати. Повинен працювати без попереднього знання поля зору,
але може виходити з ладу частіше через функцію помилки, яка використовується в
panotools optimizer, він має тенденцію скорочувати fov до 0.

rpyvb: Вирівняйте пару, оптимізуючи крен, крок, рискання, поле зору та
параметр спотворення «b». Мабуть, дуже тендітний, просто
впроваджено для тестування.

auto: використовуйте гомографію для зображень з hfov < 65 градусів і rpy в іншому випадку.

--мінматчі
Мінімальна кількість збігів (за замовчуванням: 4)

--сито2ширина
Сито 2: кількість відер за шириною (за замовчуванням: 5)

--сито 2 висота
Сито 2: кількість відер по висоті (за замовчуванням: 5)

--сито 2 розмір
Сито 2: максимальна кількість балів за відро (за замовчуванням: 2)

Cpfind генерує між minmatch і sieve2width * sieve2height * sieve2size
контрольні точки між парою зображень. (Налаштування за замовчуванням – від 4 до 50 (=5*5*2)
контрольні точки на пару зображень.) Якщо менше ніж minmatches, контрольні точки знайдено для a
задані пари зображень ці контрольні точки не враховуються, і ця пара зображень є
вважає не пов'язаним. Для вузьких перекриттів ви можете спробувати зменшити minmatch,
але це збільшує ризик отримати неправильні контрольні точки.

ВАРІАНТИ

--celesteRadius
Радіус для селести (за замовчуванням 20)

--celesteThreshold
Поріг для Celeste (за замовчуванням 0.5)

-- Селеста
Запустіть ідентифікацію неба Celeste після завантаження зображень, це ігнорує всі функції
асоціюється з «хмарами».

-p <рядок, --шлях до ключів
Шлях до кешування ключових файлів

--чистий
Очистіть кешовані ключові файли

-c, --кеш
Кешує ключові точки у зовнішній файл

--дзвінок
Напишіть ключові файли для всіх зображень

-k , --writekeyfile
Напишіть ключовий файл для цього номера зображення (приймається кілька разів)

-o , - вихід
Вихідний файл, необхідний

-n , --ядра
Кількість ЦП/ядер (за замовчуванням: автовизначення)

-t, --тест
Вмикає тестовий режим

--повномасштабний
Використовує повномасштабне зображення для виявлення ключових точок (за замовчуванням: false)

--сито1ширина
Сито 1: кількість відер за шириною (за замовчуванням: 10)

--сито 1 висота
Сито 1: кількість відер по висоті (за замовчуванням: 10)

--сито 1 розмір
Сито 1: максимальна кількість балів за відро (за замовчуванням: 100)

--kdtreesteps
KDTree : кроки пошуку (за замовчуванням: 200)

--kdtreeseconddist
KDTree : відстань 2-го збігу (за замовчуванням: 0.15)

--багаторядний
Увімкнути евристичний зіставлення кількох рядків (за замовчуванням: вимкнено)

--лінійний збіг
Увімкнути відповідність лінійних зображень (за замовчуванням: усі пари)

--linearmatchlen
Кількість зображень для збігу в лінійному збігу (за замовчуванням: 1)

--мінматчі
Мінімальна кількість збігів (за замовчуванням: 4)

-- шанувальник
Ransac: ітерації (за замовчуванням: 1000)

--рансакдист
Ransac : поріг відстані оцінки гомографії (пікселі) (за замовчуванням: 25)

--сито2ширина
Сито 2: кількість відер за шириною (за замовчуванням: 5)

--сито 2 висота
Сито 2: кількість відер по висоті (за замовчуванням: 5)

--сито 2 розмір
Сито 2: максимальна кількість балів за відро (за замовчуванням: 2)

--, --ignore_rest
Ігнорує решту позначених аргументів після цього прапорця.

-- версія
Відображає інформацію про версію та виходить.

-h, --допомога
Відображає інформацію про використання та виходи.

AUTHORS

Анаель Орлінскі, Пабло д'Анджело, Антуан Делефорж, Томас Модес

«Версія: 2015.0.0» 2016-01-06 CPFIND(1)

Використовуйте cpfind онлайн за допомогою служб onworks.net