OpenCV中的模块:三维重建-SFM(2)

这篇具有很好参考价值的文章主要介绍了OpenCV中的模块:三维重建-SFM(2)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

       接上一篇文章,本篇将介绍SFM模块在windows平台上的编译。与Ubuntu下的过程类似,主要过程也是依赖库的下载、编译及安装,不同点是:与Ubuntu直接安装不同,windows下我们将对库的依赖关系更加清晰。

 1. 依赖库的编译

      打开相应库的最外层CMakeLists.txt所在的目录,库的编译过程具有一般性:       

#【1】创建build文件夹,并配置

cmake -B build -D xxx_DIR=xxxConfig.cmake所在的目录  -D CMAKE_INSTALL_PREFIX=**/install

#【2】编译项目

cmake --build build

#【3】安装项目所生成的库

cmake --install build

如果需要指定C++标准、编译类型、库的类型等可将相应的指令加到上述步骤【1】中。此外,需要注意各依赖库的编译顺序。

       首先,编译gflags,在https://github.com/gflags/gflags.git下载源码,解码后在其目录下打开终端,依次执行上述命令。注意:gflags并不依赖需要指定的库,可省略xxx_DIR=xxxConfig.cmake参数配置。具体命令行如下:

# 注意:将以下命令行中的“**”修改为具体路径

cmake -B build  -D CMAK文章来源地址https://www.toymoban.com/news/detail-850786.html

到了这里,关于OpenCV中的模块:三维重建-SFM(2)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【Opencv】三维重建之cv::recoverPose()函数(1)

    官网链接 从估计的本质矩阵和两幅图像中的对应点恢复相机之间的旋转和平移,使用光束法则进行检验。返回通过检验的内点数目。 E:已经求解出来的本质矩阵,它是3x3的矩阵; points1:第一张图片中的点; points2:第二张图片中的点; cameraMatrix:相机内参矩阵,它是3x3的

    2024年02月11日
    浏览(42)
  • OpenCV C++双目三维重建:双目摄像头实现双目测距

    目录 OpenCV C++双目三维重建:双目摄像头实现双目测距 1.目录结构 2.依赖库  (1) Ubuntu 18.04配置开发环境  (2) Windows配置开发环境 3.双目相机标定  (1)双目相机标定-Python版  (2)双目相机标定-Matlab版 4.相机参数配置 5. 双目测距 6. 运行Demo 7.双目测距的误差说明 8. 双目三维重建项

    2024年02月02日
    浏览(61)
  • 4 OpenCV实现多目三维重建(多张图片增量式生成稀疏点云)【附源码】

    本文是基于 OpenCV4.80 进行的,关于环境的配置可能之后会单独说,先提一嘴 vcpkg 真好用 从多张图片逐步生成稀疏点云,这个过程通常包括以下步骤: 初始重建: 初始两张图片的选择 十分重要 ,这是整个流程的基础,后续的增图都是在这两张图片的基础上进行的 对于输入图

    2024年02月06日
    浏览(43)
  • SfM——八点法计算F矩阵(基础矩阵)与三角测量

    1 八点法计算F矩阵(基础矩阵) 基础矩阵 用于描述两个视图之间的几何关系 基础矩阵:基础矩阵 F F F 是描述两个视图之间相机投影关系的矩阵。对于两个对应的图像坐标点 ( x , y , 1 ) (x, y, 1) ( x , y , 1 ) 和 ( u , v , 1 ) (u, v, 1) ( u , v , 1 ) ​ 在两个视图上,基础矩阵满足以下方

    2024年04月16日
    浏览(36)
  • SFM(Structure from Motion)和NeRF(Neural Radiance Fields)

    SFM(Structure from Motion)和NeRF(Neural Radiance Fields)都是计算机视觉领域中的重要算法,用于不同的任务和应用。 SFM(Structure from Motion): SFM是一种从图像序列中重建三维场景的技术。它通过分析相机在不同视角下捕获的图像来推断场景的三维结构和摄像机的运动。SFM算法可以

    2024年02月13日
    浏览(35)
  • photoscan(metashape)跑GPS辅助的无人机影像SfM(空三)教程

      刚打开的photoscan界面如下图所示:   然后,点击工作区左上角的添加堆块选项:   可以看到新增了一个名为“Chunk 1”的堆块,然后,右击“Chunk 1”,依次选择add、添加照片:   即可弹出照片选择窗口,到指定目录下全选图像,然后点击打开即可:   之后,在

    2024年02月13日
    浏览(42)
  • 计算机视觉中的三维重建:基于激光雷达与相机的方法

    作者:禅与计算机程序设计艺术 近年来,随着激光雷达、相机等传感器的广泛应用,三维重建技术逐渐成为热门研究方向。三维重建技术可以从多种角度帮助我们理解世界,并进行精准定位、建筑物三维模型化、环境规划、自然现象研究以及各种各样的应用。 但由于三维重

    2024年03月22日
    浏览(48)
  • OpenCV实战(25)——3D场景重建

    在《相机姿态估计》一节中,我们学习了如何在校准相机时恢复观察 3D 场景的相机的位置。算法应用了以下事实,即有时场景中可见的某些 3D 点的坐标可能是已知的。而如果能够从多个角度观察场景,即使没有关于 3D 场景的信息可用,也可以重建 3D 姿势和结构。在本节中,

    2024年02月07日
    浏览(52)
  • OpenCV+相机校准和3D重建

    相机校准至少需要10个测试图案,所需的重要输入数据是3D现实世界点集以及图像中这些点的相应2D坐标。3D点称为对象点,而2D图像点称为图像点。 除了棋盘,我们还可以使用圆形网格。 在这种情况下,我们必须使用函数cv.findCirclesGrid()来找到模式。 较少的图像足以使用圆形

    2024年02月05日
    浏览(51)
  • 【C++医学影像PACS】CT检查中的三维重建是什么检查?

    三维重建是多层螺旋CT的一个最大的优点,也是影像工作多年来,从横断解剖到多平面,乃至立体的一次飞跃,让抽象变的形象,大大地提高了准确性,为临床工作的开展,注入了无限生机,从而解决许多临床上,无法开展的一些难题。   具体的三维重建有以下几种: 第一

    2024年02月16日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包