learn openMVG-安装和简介

OpenMVG (open Multiple View Geometry)：开源多视角立体几何库，这是一个cv届处理多视角立体几何的著名开源库，信奉“简单，可维护”，提供了一套强大的接口，每一个模块都被测试过，尽力提供一致可靠的体验。

• 地址：github

• 文档：documents

openMVG可以：

1. 解决多视角立体几何的精准匹配问题；

2. 提供一系列SfM须要用到的特征提取和匹配方法；

3. 完整的SfM工具链（校订，参估，重建，表面处理等）；

openMVG尽力提供可读性性强的代码，方便开发者二次开发，核心功能是尽可能精简的，因此你可能须要其它库来完善你的系统。openMVG分红了几个大的模块：

1. 核心库：各个功能的核心算法实现；

2. 样例：教你怎么用；

3. 工具链：也就是连起来用咯（乱序图像集的特征匹配，SfM，处理色彩和纹理）；

---

0. 安装（win10+VS2013）

1. 第一步固然是从github clone代码，而后按照 BUILD 说明操做，须要注意的是：

   • 建议和opencv一块儿编译，方法是在CMakeLists.txt文件中修改相应选项为 ON，而后在cmake的GUI中添加一个叫OpenCV_DIR的入口，值就是你已经安装好的opencv的路径。

   • openMVG写的很是不错，对Windows也提供了良好的支持，因此cmake以后用VS打开生成的openMVG.sln解决方案就能够进行编译了，编译的时间稍久。我用的VS2013不支持C++新特性：constexpr，因此建议你使用VS2015或更新版本，若是必定要用VS2013，能够这样作：在src/openMVG/cameras/Camera_Common.hpp文件中将有constexpr的地方直接去掉，或者改为模板函数也是能够的：

   template <class T> inline T operator|(T x, T y){
       return static_cast<T>(static_cast<int>(x) | static_cast<int>(y));
   };

2. 运行样例，这里遇到一个坑：DenseStoraage.h line 86报错：R6010 Assertion failed，这是一个断言错误，在release模式下不会出现，但在debug模式下几乎是必现。缘由嘛，打开Eigen给出的网址能够明确：数据结构未对齐（unaligned arrays）。这个问题对于刚接触openMVG的人来讲仍是很烦人的，openMVG代码很优雅，不少数据类型都是从模板类或函数延伸，经过虚函数扩展各项具体方法，并且很是强烈的依赖Eigen这个库，因此给定位问题带来了阻碍。通过一天的攻坚，最后大概确认了缘由：

regions.h这个文件中定义的Regions类包含了fixed-size vectorizable Eigen types的stl容器vector，按照Eigen提供的解决方法，须要作的是：

//原来
typedef std::vector<FeatureT> FeatsT;
//改为
typedef std::vector<FeatureT, Eigen::aligned_allocator<FeatureT>> FeatsT;
//其它相似的地方都要改，包括返回vector的函数，最好也加上 EIGEN_MAKE_ALIGNED_OPERATOR_NEW

1. 核心库

1.1 图像

Image Container

openMVG提供一个基本的类用做图像容器：Image<T>，T表明像素类型，这个类能够处理灰度，RGB，RGBA或者自定义类型的图像。用法很简单：

// A 8-bit gray image:
Image<unsigned char> grayscale_image_8bit;

// Multichannel image: (use pre-defined pixel type)

// A 8-bit RGB image:
Image<RGBColor> rgb_image_8bit;

// 8-bit RGBA image
Image<RGBAColor> rgba_image_8bit;
Image<Rgba<unsigned char> > rgba_image2_8bit;

这里的 RGBColor，RGBAColor等是openMVG基于Eigen定义好的类型，具体是定义在pixel_types.hpp中。

Image I/O

openMVG支持ppm/pgm,jpeg,png,tiff格式的图片文件，例子：

Image<RGBColor> rgb_image_gray;
bool bRet = ReadImage("Foo.imgExtension", &rgb_image);

Drawing operations

用于在图像上画圆，椭圆，直线等。

1.2 数值

openMVG从新包装了Eigen的基本类型和算法，以便更简单的调用。好比 Vec2表明一个二维点（char型）。

1.3 特征

这个模块主要是提供特征容器的封装，包括特征，特征描述，关键点集等，基本都是模板类，好比顶一个sift特征描述子能够这样作：

// SIFT like descriptor
typedef Descriptor<float, 128> siftDescriptorData;

1.4 相机

此模块提供不一样的相机模型的抽象类，包括：

小孔相机模型

最简单的相机模型，如图：

相机模型包括内参和外参，关键词也就是你们熟悉的几样：投影矩阵，旋转、平移矩阵，焦距、主点等，具体参见说明。
看一个例子：openMVG提供的PinholeCamera类：

/// Pinhole camera P = K[R|t], t = -RC
struct PinholeCamera
{
  //构造函数
  PinholeCamera(
    const Mat3 & K = Mat3::Identity(),
    const Mat3 & R = Mat3::Identity(),
    const Vec3 & t = Vec3::Zero())
    : _K(K), _R(R), _t(t)
  {
    _C = -R.transpose() * t;
    P_From_KRt(_K, _R, _t, &_P);
  }
  
  PinholeCamera(const Mat34 & P)
  {
    _P = P;
    KRt_From_P(_P, &_K, &_R, &_t);
    _C = -_R.transpose() * _t;
  }

  /// Projection matrix P = K[R|t]
  Mat34 _P;
  /// Intrinsic parameter (Focal, principal point)
  Mat3 _K;
  /// Extrinsic Rotation
  Mat3 _R;
  /// Extrinsic translation
  Vec3 _t;
  /// Camera center
  Vec3 _C;
};

1.5 多视角几何

这部分是比较基础和重要的模块之一，包括了：

• 多视角集几何中n（>=2）视角的求解算法；

• 将这些求解算法综合起来以便进行鲁棒估计的通用框架——Kernel；

文档中讲解了单应矩阵，本征矩阵，本质矩阵，位置矩阵等的概念，讲得很是好，建议仔细阅读文档。
简单的解释一下：

• 单应矩阵：描述两个投影平面之间的关系；

• 本征矩阵：同一个场景在两个相机成像下的关系，也就是物体上的点A在两个视角下成像位置的关系；

• 本质矩阵：基于本征矩阵和内参矩阵创建，描述相机和本征矩阵位置之间的相对关系；

• 位置矩阵：估计相机的绝对位置（被转化为一个最小化问题求解）；

• Kernel：一个将求解器、数据、度量方案等结合起来的类，这个类将用于鲁棒的估计以上的参数和矩阵；

1.6 线性规划

• 一个用于求解多视角几何中线性优化（参数估计）的工具集，文档。

1.7 鲁棒估计

提供一些列鲁棒估计方法，好比：Max-Consensus，Max-Consensus，AC-Ransac A Contrario Ransac等。

1.7 匹配

提供的接口包括：NNS，K-NN，FLANN，KVLD，Cascade hashing Nearest Neighbor等。这些接口可用于在二维或三维点集，以及更高维的特征描述集中。

1.8 追踪

多视几何里的追踪是指在一系列的图片中找到对应的特征点（同一点在不一样视角下的位置）。

1.9 sfm

openMVG提供的sfm模块包含了处理SfM问题的一系列方法个数据存储接口，例如相机位置估计，结构测量，BA等。
SfM_Data类包含了SfM全部的输入：

struct SfM_Data
{
  /// Considered views
  Views views;  // 包含图像文件名，id_view，id_pose，id_intrinsic，image size。

  /// Considered poses (indexed by view.id_pose)
  Poses poses;  // 相机的三维位置

  /// Considered camera intrinsics (indexed by view.id_cam)
  Intrinsics intrinsics;  // 相机内参

  /// Structure (3D points with their 2D observations)
  Landmarks structure;  // 二维视图特征关联的3D点
}

个人codepen连接：codepen