Windows安装Bundler

 

1. Bundler简介

Bundler是一个采用C和C++开发的称为sfm（struct-from-motion）的系统，它能够利用无序的图片集合（例如来自网络的图片）重建出3D的模型。最早的版本被用在Photo Tourism的项目上。项目的官方网站在此：http://phototour.cs.washington.edu/。

Bundler的输入是一些图像、图像特征以及图像匹配信息，输出则是一个根据这些图像反应的场景的3D重建模型，伴有少量识别得到的相机以及场景几何信息。系统借用一个由Lourakis 和Argyros提供的称为Sparse Bundle Adjustment的开发包的修改版，一点一点递增地重建出图像场景。Bundler已经成功的应用在许多网络相册系统，尤其是一些建筑相册里。

Bundler 的源代码可以在这里下载：http://phototour.cs.washington.edu/bundler/。其最新的版本为bundler-v0.4-source.zip。

2. Bundler的编译

下载到Bundler的源代码之后，我们首先要对其进行编译。在bundler-v0.4-source\vc++\文件夹下有Visual Studio2005创建的工程Bundler.sln，当然我们也可以使用更高的版本进行编译。

在编译过程中，我们会遇到以下问题，解决方法转自：http://blog.csdn.net/lxiaoxiaot/article/details/6721247。

在编译f2c时，会给出无法找到#include"sysdep1.h"文件的错误。进入f2c的目录，将sysdep1.h0文件名修改为sysdep1.h即可。

同时将signal1.h0文件名修改为signal1.h。再次编译f2c库时，会提示无法找到#include"arith.h"文件的错误，同时在f2c目录下并没有名字为arith.h的文件，这时可以新建一个arith.h文件，在文件里添加如下内容即可：

#define IEEE_8087
#define Arith_Kind_ASL 1
#define Long int
#define Intcast (int)(long)
#define Double_Align
#define X64_bit_pointers
#define QNaN0 0x0
#define QNaN1 0xfff80000

这时，编译f2c，便成功了。

接下来编译keyMatchFull和Bundler项目，一切顺利。

为了进行获得稠密的三围重建效果，利用Bundler提供的Bundle2PMVS和RadialUndistort工具，生成稠密重建PMVS软件所需的参数。

在编译Bundlr2PMVS时，在Bundle2PMVS.cpp文件中会出现“未知的标识符mkdir”的错误。在文件的开头添加#include<direct.h>，

同时将mkdir替换为_mkdir，如下所示：

//mkdir(output_path,0770);

_mkdir(output_path);

至此，Bundle2PMVS编译成功。

在编译RadialUndistort时，在RadialUndistort.cpp文件中会出现“无法识别的标识符index”。

原先的代码如下所示：

//char *space = index(buf, ' ');
//if (space) *space = 0;

将其替换为：

std::string str(buf);
int space_pos = str.find(' ');
str.at(space_pos) = 0;

files.push_back(str);

还会出现can't open  jpeglib.h jconfig.h jmorecfg.h的错误

解决：到bundler-v0.4-source\lib\jpeg\src目录下找到相应的头文件，拷贝到bundler-v0.4-source\include即可

至此，RadialUndistort编译成功。

3. Bundler的运行

编译完成后，需要将bundler-v0.4-source\vc++\Debug\目录下的Bundler.exe,KeyMatchFull.exe, RadialUndistort.exe, Bundle2PMVS.exe, jpeg.dll,ann_1.1_char.dll文件统统考到bundler-v0.4-source\bin\目录下。

在成功执行Bundler前，我们需要做几步准备工作：

（转自http://www.cnblogs.com/weizhoupan/archive/2011/03/05/Intro_on_Bundler.html）

1.下载和安装Cygwin。Cygwin是许多自由软件的集合，最初由Cygnus Solutions开发，用于各种版本的Microsoft Windows上，运行UNIX类系统。由于Bundler默认是通过在Unix环境下执行shell脚本来启动Bundler的，因为在Windows环境下需要安装Cygwin以执行shell脚本。

要下载cygwin，直接在setup.exe上点右键“另存为”即可。也可以复制右边这个地址：http://cygwin.com/setup.exe

cygwin的安装比较简单，可以参考这篇教程：http://www.programarts.com/cfree_ch/doc/help/UsingCF/CompilerSupport/Cygwin/Cygwin1.htm

北京理工大学的童鞋可以添加这个镜像进行安装：http://mirror.bitunion.org/cygwin/.

但要注意一点，Bundler程序中会使用perl、python来进行一些预处理，因此在安装过程中需要把Devel、Perl、Python三个组件库都选上。另外还有ImageMagick这个库，用来处理图片。

下载安装的时间比较久，需要等待一段时间。安装过程中一些杀毒软件（比如360）可能会提示一些安全警告，无视即可。

2.下载特征检测器。Bundler推荐使用SIFT来进行特征提取，可以到SIFT的作者David Lowe的主页上下载他提供的SIFT Demo作为我们的检测器。下载页面为：http://www.cs.ubc.ca/~lowe/keypoints/ 或者直接点击右边的下载地址下载：SIFTdemo program (Version 4, July 2005)

下载完成后，解压该文档，将目录下的siftWin32.exe文件拷贝到BASE_PATH\bin目录中。

3.准备图片。将要进行分析处理的图片放到一个目录里，比如BASE_PATH\Pictures\中（下面也统一以Pictures代替图片目录）。作为例子，Bundler自己也提供了两套图片，分别放在BASE_PATH\examples\ET和BASE_PATH\examples\kermit中。

4.下面对运行Bundler的脚本文件进行修改：

把RunBundler.sh文件中BASE_PATH=$(dirname $(which $0)); 一句等号后边的东西替换为Bundler的根目录，也就是RunBundler.sh文件所在的目录，记得加双引号。如BASE_PATH="E:/SDK/bundler-v0.4-source";。

然后把ToSift.sh文件中BIN_PATH设为bin目录，如BIN_PATH="E:/SDK/bundler-v0.4-source/bin"。

5.执行bundler！

打开Cygwin，cd定位到Bundler根目录下，然后输入下面的命令测试一下例子的图片：

./RunBundler.sh examples/ET

会出现以下错误：

（1）程序执行后会出现找不到extract_focal.pl、 Bundler.exe、KeyMatchFull.exe、Bundler.exe等错误，但这些程序明明就在相应的目录下

解决：打开RunBundler.sh,定位到

EXTRACT_FOCAL=$BASE_PATH/bin/extract_focal.pl
OS=`uname -o`
if [ $OS == "Cygwin" ]
then
    MATCHKEYS=$BASE_PATH/bin/KeyMatchFull.exe
    BUNDLER=$BASE_PATH/Bundler.exe
else
    MATCHKEYS=$BASE_PATH/bin/KeyMatchFull
    BUNDLER=$BASE_PATH/bin/bundler
fi
TO_SIFT=$BASE_PATH/bin/ToSift.sh

将其改为：

EXTRACT_FOCAL=E:/bundler-v0.4-source/bin/extract_focal.pl
OS=`uname -o`
if [ $OS == "Cygwin" ]
then
    MATCHKEYS=E:/bundler-v0.4-source/bin/KeyMatchFull.exe
    BUNDLER=E:/bundler-v0.4-source/bin/Bundler.exe
else
    MATCHKEYS=E:/bundler-v0.4-source/bin/KeyMatchFull
    BUNDLER=E:/bundler-v0.4-source/bin/bundler
fi
TO_SIFT=G:/bundler-v0.4-source/bin/ToSift.sh

（2）variable 'dummy'  is not initialized

打开sfm.h定位到

typedef struct {
    double R[9];     /* Rotation */
    double t[3];     /* Translation */
    double f;        /* Focal length */
    double k[2];     /* Undistortion parameters */
    double k_inv[POLY_INVERSE_DEGREE]; /* Inverse undistortion parameters */
    char constrained[NUM_CAMERA_PARAMS];
    double constraints[NUM_CAMERA_PARAMS];  /* Constraints (if used) */
    double weights[NUM_CAMERA_PARAMS];      /* Weights on the constraints */
    double K_known[9];  /* Intrinsics (if known) */
    double k_known[5];  /* Distortion params (if known) */
    char fisheye;            /* Is this a fisheye image? */
    char known_intrinsics;   /* Are the intrinsics known? */
    double f_cx, f_cy;       /* Fisheye center */
    double f_rad, f_angle;   /* Other fisheye parameters */
    double f_focal;          /* Fisheye focal length */
    double f_scale, k_scale; /* Scale on focal length, distortion params */
} camera_params_t;

将其改为

typedef struct camera_params_t{
struct camera_params_t(){};
    double R[9];     /* Rotation */
    double t[3];     /* Translation */
    double f;        /* Focal length */
    double k[2];     /* Undistortion parameters */
    double k_inv[POLY_INVERSE_DEGREE]; /* Inverse undistortion parameters */
    char constrained[NUM_CAMERA_PARAMS];
    double constraints[NUM_CAMERA_PARAMS];  /* Constraints (if used) */
    double weights[NUM_CAMERA_PARAMS];      /* Weights on the constraints */
    double K_known[9];  /* Intrinsics (if known) */
    double k_known[5];  /* Distortion params (if known) */
    char fisheye;            /* Is this a fisheye image? */
    char known_intrinsics;   /* Are the intrinsics known? */
    double f_cx, f_cy;       /* Fisheye center */
    double f_rad, f_angle;   /* Other fisheye parameters */
    double f_focal;          /* Fisheye focal length */
    double f_scale, k_scale; /* Scale on focal length, distortion params */
} camera_params_t;

然后在把sfm.c文件名改为sfm.cpp

6.再次执行bundler！成功！！

4. 后续工作

Bundler输出的文件大多以“bundle_*.out”的形式来命名，我们称之为“bundle文件”。缺省命令下，Bundler在每张图片经过分析和注册（register）后都会输出一个相应的bundle文件用来保存当前的状态信息，并以“bundle_<n>.out”的形式命名。当所有的文件都注册后，Bundler就会输出一个最终的文件“bundle.out”。另外，每一回合结束时还会紧接着生成一些后缀名为“ply”的文件，这些文件包含的是经过重建后的相机和点的信息。这些ply文件可以通过使用专用的查看器scanalyze来查看，地址为：http://graphics.stanford.edu/software/scanalyze/。当然也可以通过meshlab来查看，下载地址为：http://meshlab.sourceforge.net/。

利用Bundler可以得到较为稀疏的点云（pointclouds）数据。如果需要得到更密集的点，可以使用Yasutaka Furukawa博士写的另外一个非常强大的软件包，称为PMVS2，下载：http://grail.cs.washington.edu/software/pmvs/。一种比较常见的途径是使用Bundler来得到相机参数，然后使用Bundle2PMVS程序，将生成结果转换为PMVS2的输入，然后使用PMVS2来得到更密集的点云。另外，读者们可能会对另外一个同样由Furukawa博士开发的实用工具——CMVS感兴趣，CMVS是一个场景聚类程序，在使用PMVS2前可以使用它来进行一些预处理，下载：http://grail.cs.washington.edu/software/cmvs/。