【原创】Structure from Motion (SfM)算法测试---3D重建简介

【原创】Structure from Motion (SfM)算法测试—3D重建简介

Author: chad
Mail: [email protected]

今天整理资料，突然发现之前公司调研摄像头3D扫描方案时做的一个实验小实验，同时联想到前段时间尼泊尔地震百度搞的一个尼泊尔古迹3D重现项目，突然想整理一下，简要说下工作原理。

开始之前先看一张概念图，了解下SfM算法是干嘛的，如下：

如上图所示，SfM算法的目标就是通过一堆照片重建3D模型。

我们当时的硬件方案是这么设想的：

由于我们当时非常关注3D重建精度，所以，当时简单推算了下精度关系大致如下：
1.扫描精度与照片分辨率，拍摄距离，对焦准确性，灯光系统有较大关系。
2.运算时间与照片数量成 n!/(n-m)!级数增长。
3.精度关系如下：

4.经过算法处理后的，由于计算误差，2D->3D转换误差，导致实际精度会远低于0.08。

基于激光的主动扫描方式，需要将激光在物体表面扫描一遍，所以扫描速度比较慢（结构光光栅投影测量技术速度较快），但是后期计算处理速度较快。

基于图像的三维重建作为当今热门的虚拟现实和科学可视化的基础，它被广泛应用于检测和观察中。一个完整的三维重建系统通常需要包含图像获取、摄像机标定、特征点提取、立体匹配、深度确定和后处理等6 大部分。相较于结构光光栅投影测量，该方法在相机标定、特征点提取方面有2指数级运算量，整个过程非常缓慢。
一般来讲，大尺度特征含有较丰富的信息，本身数目较少，易于得到快速匹配，但对它们的提取与描述相对复杂，定位精度也差；而小尺度特征本身的定位精度高，表达描述简单，但数目较多，所含信息量却较少，因而在匹配时需要采用较强的约束准则和匹配策略。

算法模拟测试情况如下：
我的电脑情况如下：

实验过程如下：
1、大尺度图片测试：共140张照片，运算时间4个小时，产生的中间文件600M。


2.小尺度图片测试：65张图片，运算时间30分钟，中间文件350M。

；D 上面说的65张照片都是我用某米手机直接拍的。纯手工拍摄，所以能生成这样的效果已经非常不错了。

通过上面的实验可以发现，3D建模会自动剔除不变部分，比如底座。

原理简要介绍下

先看图：

也就是首先找特征点，然后根据特征点找照片的运动方向，拍摄方向。这个算法牛的地方就是你随便拍摄一组照片，算法能够自动检测到运动方向与拍照角度，自动照片排序。

最后，关于SfM算法的介绍再推荐一个链接，对于了解下SfM算法很有帮助：
《第四章 使用OpenCV探测来至运动的结构——Chapter 4:Exploring Structure from Motion Using OpenCV》 —这个写的非常好，看懂你就入门了。

再附一个澳大利亚团队搞的很牛的3D扫描介绍：

http://www.mopintu.com/article-1235-1.html

20160401 附记：

近日有同学向我请教关于SfM算法的问题，我这里再推荐几个网站，本博客中SfM算法程序来源于http://ccwu.me/vsfm/，算法测试程序下载点这里

其他推荐网站如下：
http://users.ics.forth.gr/~lourakis/sparseLM/index.html#download
https://code.google.com/archive/p/libmv/downloads