cpfind - Trực tuyến trên Đám mây

CHƯƠNG TRÌNH:

TÊN

cpfind - Đối sánh tính năng để ghép toàn cảnh

SYNOPSIS

cpfind [tùy chọn] -o đầu ra_dự án dự án.pto

cpfind [tùy chọn] -k i0 -k i1 [...] dự án.pto

cpfind [tùy chọn] --kall dự án.pto

MÔ TẢ

cpfind cpfind là một bộ dò điểm kiểm soát cho Hugin. Nó mong đợi một tệp dự án làm đầu vào
và viết một tệp dự án với các điểm kiểm soát về thành công. Nó phụ thuộc vào ống kính hợp lý
thông tin trong tệp dự án đầu vào.

Bước đầu tiên là mô tả tính năng: Trong bước này, hình ảnh của tệp dự án được
được tải và được gọi là các điểm chính được tìm kiếm. Họ mô tả các tính năng định mệnh trong
hình ảnh. cpfind sử dụng bộ mô tả dựa trên độ dốc cho mô tả tính năng của
những điểm chính.

Trong bước thứ hai, so khớp tính năng, tất cả các điểm chính của hai hình ảnh được so khớp với
nhau để tìm các tính năng có trên cả hai hình ảnh. Nếu kết hợp này thành công hai
các điểm chính trong hai hình ảnh trở thành một điểm kiểm soát.

SỬ DỤNG

tuyến tính và con cá hình ảnh
Cpfind có thể tìm thấy các điểm kiểm soát trong hình ảnh trực tuyến và mắt cá. Để đạt được sự kiểm soát tốt
chỉ các hình ảnh có trường nhìn ngang cao (ví dụ: góc nghiêng siêu rộng hoặc
mắt cá) được ánh xạ lại thành không gian bảo vệ (cpfind đang sử dụng lập thể
chiếu) và đối sánh đối tượng xảy ra trong không gian này. Trước khi viết điều khiển
các điểm tọa độ được ánh xạ trở lại không gian hình ảnh. Điều này xảy ra tự động
tùy thuộc vào thông tin về ống kính trong tệp dự án đầu vào. Vì vậy, hãy kiểm tra xem
tệp dự án đầu vào chứa thông tin hợp lý về ống kính được sử dụng.

Sử dụng celeste
Toàn cảnh ngoài trời thường có mây. Mây là khu vực xấu để thiết lập các điểm kiểm soát
bởi vì chúng là đối tượng chuyển động. Cpfind có thể sử dụng thuật toán tương tự như celeste_standalone để
che các khu vực có mây. (Điều này chỉ được thực hiện nội bộ đối với keypoint
bước tìm kiếm và không thay đổi kênh alpha của hình ảnh của bạn. Nếu bạn muốn tạo
một hình ảnh mặt nạ sử dụng celeste_standalone). Để chạy cpfind với sử dụng celeste

cpfind --celeste -o out.pto input.pto

Sử dụng cpfind với celeste tích hợp sẽ tốt hơn so với sử dụng cpfind và
tuần tự celeste_standalone. Khi chạy cpfind với các vùng mây celeste,
thường chứa các điểm chính với thước đo chất lượng cao, được bỏ qua và các khu vực không có
mây được sử dụng để thay thế. Khi chạy cpfind mà không có celeste, các điểm chính trên đám mây là
tìm. Khi chạy celeste_standalone sau đó, các điểm kiểm soát này sẽ bị xóa. bên trong
trường hợp xấu nhất tất cả các điểm kiểm soát của một cặp hình ảnh nhất định bị loại bỏ.

Vì vậy, chạy cpfind với celeste dẫn đến "chất lượng điểm kiểm soát" tốt hơn cho ngoài trời
toàn cảnh (ví dụ: toàn cảnh với những đám mây). Chạy cpfind với celeste mất nhiều thời gian hơn cpfind
một mình. Vì vậy, đối với ảnh toàn cảnh trong nhà, tùy chọn này không cần phải chỉ định (vì lâu hơn
thời gian tính toán).

Bước celeste có thể được tinh chỉnh bởi các tham số --celesteRadius và
--celesteThreshold.

Phù hợp chiến lược
Tất cả cặp

Đây là chiến lược đối sánh mặc định. Ở đây tất cả các cặp hình ảnh được so khớp với từng
khác. Ví dụ: nếu dự án của bạn chứa 5 hình ảnh thì cpfind khớp với các cặp hình ảnh: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 và 3-4

Chiến lược này hoạt động cho tất cả các chiến lược bắn súng (một hàng, nhiều hàng, không có thứ tự). Nó tìm thấy
(gần như) tất cả các cặp hình ảnh được kết nối. Nhưng nó rất tốn kém về mặt tính toán đối với các dự án có
nhiều hình ảnh, bởi vì nó kiểm tra nhiều cặp hình ảnh không được kết nối.

tuyến tính phù hợp với

Chiến lược đối sánh này hoạt động tốt nhất cho ảnh toàn cảnh hàng đơn lẻ:

cpfind --Linearmatch -o out.pto input.pto

Điều này sẽ chỉ phát hiện các kết quả phù hợp giữa các hình ảnh liền kề, ví dụ: đối với ví dụ 5 hình ảnh
sẽ khớp với các cặp hình ảnh 0-1, 1-2, 2-3 và 3-4. Khoảng cách phù hợp có thể được tăng lên
với công tắc --linearmatchlen. Ví dụ: với cpfind --linearmatchlen 2 sẽ khớp với một hình ảnh
với hình ảnh tiếp theo và hình ảnh tiếp theo, trong ví dụ của chúng tôi, nó sẽ là 0-1, 0-2, 1-2,
1-3, 2-3, 2-4 và 3-4.

nhiều hàng phù hợp

Đây là chiến lược đối sánh được tối ưu hóa cho ảnh toàn cảnh một hàng và nhiều hàng:

cpfind --multirow -o out.pto input.pto

Thuật toán giống như được mô tả trong ảnh toàn cảnh nhiều hàng. Bằng cách tích hợp cái này
thuật toán thành cpfi và nó nhanh hơn bằng cách sử dụng một số lõi của CPU hiện đại và không lưu vào bộ nhớ đệm
các điểm quan trọng vào đĩa (tốn thời gian). Nếu bạn muốn sử dụng nhiều hàng này
khớp bên trong hugin đặt loại máy dò điểm điều khiển thành Tất cả hình ảnh cùng một lúc.

Những điểm chính bộ nhớ đệm đến đĩa

Việc tính toán các điểm chính cần một thời gian. Vì vậy, cpfind cung cấp khả năng lưu
keypoint của một tệp và sử dụng lại chúng sau này. Với --kall các điểm chính cho tất cả các hình ảnh
trong dự án được lưu vào đĩa. Nếu bạn chỉ muốn các điểm chính của việc sử dụng hình ảnh cụ thể
tham số -k với số hình ảnh:

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

Theo mặc định, các tệp keypoint được lưu vào cùng một thư mục với các hình ảnh có
phần mở rộng .key. Trong trường hợp này, không có sự phù hợp của các hình ảnh xảy ra và do đó không có dự án đầu ra nào
tệp cần được chỉ định. Nếu cpfind tìm thấy keyfiles cho một hình ảnh trong dự án, nó sẽ sử dụng
chúng tự động và không chạy lại bộ mô tả tính năng trên hình ảnh này. Nếu bạn muốn
lưu chúng vào một thư mục khác bằng cách sử dụng công tắc - keypath.

Quy trình này cũng có thể được tự động hóa với công tắc --cache:

cpfind --cache -o out.pto input.pto

Trong trường hợp này, nó cố gắng tải các tệp keypoint hiện có. Đối với hình ảnh, không có
tệp keypoint, các điểm quan trọng được phát hiện và lưu vào tệp. Sau đó, nó khớp với tất cả được tải
và các điểm chính mới được tìm thấy và viết dự án đầu ra.

Nếu bạn không cần tệp khóa lâu hơn, tệp có thể được xóa tự động bằng cách

cpfind --clean input.pto

ĐA THẾ HỆ LỰA CHỌN

Đặc tính Mô tả
Vì lý do tốc độ, cpfind đang sử dụng hình ảnh được chia tỷ lệ bằng nửa chiều rộng và chiều cao của chúng,
để tìm các điểm chính. Với công tắc - cpfind toàn bộ đang hoạt động trên các hình ảnh tỷ lệ đầy đủ.
Quá trình này mất nhiều thời gian hơn nhưng có thể cung cấp các điểm kiểm soát "tốt hơn" và / hoặc nhiều hơn.

Bước mô tả tính năng có thể được tinh chỉnh bằng các tham số:

--sàng1width
Sàng 1: Số gầu trên chiều rộng (mặc định: 10)

--sàng1height
Sàng 1: Số lượng xô theo chiều cao (mặc định: 10)

--sàng1size
Sàng 1: Điểm tối đa cho mỗi nhóm (mặc định: 100)

--kdtreesteps
KDTree: các bước tìm kiếm (mặc định: 200)

--kdtreeseconddist

KDTree: khoảng cách của trận đấu thứ 2 (mặc định: 0.25)

Cpfind lưu trữ tối đa chiều rộng sieve1width * sieve1height * sieve1size các điểm chính trên mỗi hình ảnh. nếu bạn
chỉ có một chồng chéo nhỏ, ví dụ: đối với chụp ảnh toàn cảnh 360 độ với hình ảnh mắt cá, bạn có thể
đạt được kết quả tốt hơn nếu bạn tăng kích thước sieve1size. Bạn cũng có thể cố gắng tăng sieve1width
và / hoặc sàng1height.

Đặc tính phù hợp
Tinh chỉnh bước đối sánh theo các thông số sau:

--ransaciter
Ransac: lần lặp (mặc định: 1000)

--ransacdist
Ransac: ngưỡng khoảng cách ước tính đồng nhất (pixel) (mặc định: 25)

--ransacmode (tự động, về nhà, rpy, rpyv, rpyb)
Chọn mô hình được sử dụng trong bước ransac.

hom: Giả sử một phép đồng nhất. Chỉ áp dụng cho góc không rộng
lượt xem. Sử dụng mã panomatic ban đầu. Nó cũng linh hoạt hơn
hơn yêu cầu và có thể tạo kết quả phù hợp sai, đặc biệt nếu hầu hết
của các trận đấu nằm trên một dòng.

rpy: Căn chỉnh hình ảnh bằng cách sử dụng cuộn, cao độ và ngáp. Điều này đòi hỏi một điều tốt
ước tính cho trường nhìn ngang (và biến dạng, cho
hình ảnh bị biến dạng nặng). Đây là chế độ ưu tiên nếu
ống kính đã hiệu chỉnh được sử dụng hoặc HFOV có thể được đọc thành công
từ dữ liệu EXIF.

rpyv: Căn chỉnh cặp bằng cách tối ưu hóa cuộn, cao độ, ngáp và trường của
quan điểm. Nên làm việc mà không cần biết trước về lĩnh vực xem,
nhưng có thể thất bại thường xuyên hơn, do hàm lỗi được sử dụng trong
trình tối ưu hóa toàn cảnh, nó có xu hướng thu nhỏ fov về 0.

rpyvb: Căn chỉnh cặp bằng cách tối ưu hóa cuộn, cao độ, góc nghiêng, trường xem và
tham số biến dạng "b". Có lẽ rất mong manh, chỉ là
được triển khai để thử nghiệm.

tự động: Sử dụng phép đồng nhất cho hình ảnh có hfov <65 độ và rpy nếu không.

--minmatch
Kết quả phù hợp tối thiểu (mặc định: 4)

--sàng2width
Sàng 2: Số gầu trên chiều rộng (mặc định: 5)

--sàng2height
Sàng 2: Số lượng xô theo chiều cao (mặc định: 5)

--sàng2size
Sàng 2: Điểm tối đa cho mỗi nhóm (mặc định: 2)

Cpfind tạo ra giữa các minmatch và sieve2width * sieve2height * sieve2size
điểm kiểm soát giữa một cặp hình ảnh. (Cài đặt mặc định là từ 4 đến 50 (= 5 * 5 * 2)
các điểm điều khiển trên mỗi cặp hình ảnh.) Nếu ít hơn thì các điểm điều khiển minmatches được tìm thấy cho một
các cặp hình ảnh đã cho, các điểm kiểm soát này bị bỏ qua và cặp hình ảnh này là
coi như không kết nối. Đối với các phần chồng chéo hẹp, bạn có thể cố gắng giảm số lần khớp tối thiểu,
nhưng điều này làm tăng nguy cơ nhận được sai điểm kiểm soát.

LỰA CHỌN

--celesteBán kính
Bán kính cho celeste (mặc định 20)

--celesteNgưỡng
Ngưỡng cho celeste (mặc định 0.5)

--celeste
Chạy nhận dạng bầu trời celeste sau khi tải hình ảnh, thao tác này bỏ qua tất cả các tính năng
liên kết với 'mây'.

-p <chuỗi, --đường dẫn phím
Đường dẫn đến tệp khóa bộ đệm

--dọn dẹp
Dọn dẹp các tập tin khóa được lưu trong bộ nhớ cache

-c, --bộ nhớ đệm
Lưu các điểm chính vào tệp bên ngoài

--kall
Viết keyfiles cho tất cả các hình ảnh

-k , --writekeyfile
Viết keyfile cho số hình ảnh này (được chấp nhận nhiều lần)

-o , - đầu ra
Tệp đầu ra, bắt buộc

-n , --cửa hàng
Số lượng CPU / Cores (mặc định: autodetect)

-t, --kiểm tra
Bật chế độ kiểm tra

--đầy đủ
Sử dụng hình ảnh tỷ lệ đầy đủ để phát hiện các điểm chính (mặc định: false)

--sàng1width
Sàng 1: Số gầu trên chiều rộng (mặc định: 10)

--sàng1height
Sàng 1: Số lượng xô theo chiều cao (mặc định: 10)

--sàng1size
Sàng 1: Điểm tối đa cho mỗi nhóm (mặc định: 100)

--kdtreesteps
KDTree: các bước tìm kiếm (mặc định: 200)

--kdtreeseconddist
KDTree: khoảng cách của trận đấu thứ 2 (mặc định: 0.15)

--nhiều hàng
Bật đối sánh nhiều hàng theo phương pháp heuristic (mặc định: tắt)

--tuyến tính
Bật đối sánh hình ảnh tuyến tính (mặc định: tất cả các cặp)

--tuyến tínhmatchlen
Số lượng hình ảnh cần đối sánh trong đối sánh tuyến tính (mặc định: 1)

--minmatch
Kết quả phù hợp tối thiểu (mặc định: 4)

--ransaciter
Ransac: lần lặp (mặc định: 1000)

--ransacdist
Ransac: ngưỡng khoảng cách ước tính đồng nhất (pixel) (mặc định: 25)

--sàng2width
Sàng 2: Số gầu trên chiều rộng (mặc định: 5)

--sàng2height
Sàng 2: Số lượng xô theo chiều cao (mặc định: 5)

--sàng2size
Sàng 2: Điểm tối đa cho mỗi nhóm (mặc định: 2)

--, --ignore_rest
Bỏ qua phần còn lại của các đối số được gắn nhãn theo sau cờ này.

--phiên bản
Hiển thị thông tin phiên bản và các lần thoát.

-h, --Cứu giúp
Hiển thị thông tin sử dụng và các lần thoát.

TÁC GIẢ

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

"Phiên bản: 2015.0.0" 2016-01-06 CPFIND(1)

Sử dụng cpfind trực tuyến bằng các dịch vụ onworks.net