【转】win7 64位配置bundler-v0.4-source

标签：

一。什么是Bundler

       Bundler是一个采用C和C++开发的称为SfM（struct-from-motion）的系统，实现了根据用户提供的无序的图像序列，生成稀疏的三维点云模型。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。

        Photo Tourism系统可以交互式浏览和探索大型非结构化场景照片集合。系统有一个基于图像的建模前端，它会自动计算每一张照片的角度，以及稀疏模型对应的场景和形象的三维模型。

图1.Photo Tourism

        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。

二。过程如下：

1.访问 http://www.cs.cornell.edu/~snavely/bundler/ 下载bundler-v0.4-source.zip并解压。

2.在windows平台下，使用visual studio2010打开bundler-v0.4-source目录下的vc++目录中的工程文件：Bundler.sln；

       然后按顺序逐个编译bundler所需的依赖库，

       有：5point、ann_1.1_char、cblas、getopt、imagelib、jpeg、matrix、sba-1.5、sfm-driver、f2c、clapack、cminpack等。

在编译f2c时，会给出无法找到#include "sysdep1.h"文件的错误 以及会提示无法找到#include "arith.h"文件的错误。

解决方法：进入f2c的目录，

                  1>将sysdep1.h0文件名修改为sysdep1.h；

  2>将signal1.h0文件名修改为signal1.h；

  3>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。

解决方法：

1>在文件的开头添加#include <direct.h>，

2>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” 以及 无法打开jpeglib.h。

解决方法：1>修改代码如下所示：

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

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

files.push_back(str);

     2>修改LoadJPEG.cpp的头文件为#inlcude "jpeglib.h"，然后添加jpeglib.h的路径如下：

至此，RadialUndistort编译成功。

3.在成功执行Bundler前，我们需要做几步准备工作：

（1）将需要的文件复制到指定目录

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

（2）下载和安装Cygwin

        Cygwin是许多自由软件的集合，最初由Cygnus Solutions开发，用于在各种版本的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。

        Cygwin的下载地址：http://cygwin.com/

        Cygwin的安装过程：

图10.选择下一步

图11.选择Install from Internet

图12.选择下载目录

图13.选择连接方式 Use Internet Explorer Proxy Settings

图14.这里弹出的警告一定要选择“确定”

图15.选择需要的安装包

        肯定需要使用Devel组件，但不必全部安装，选择里面的四个关键包安装即可，为了使我们安装的Cygwin能够编译程序，我们需要安装gcc编译器，默认情况下，gcc并不会被安装，我们需要选中它来安装。为了安装gcc，我们用鼠标点开组件列表中的“Devel”分支，在该分支下，有很多组件，我们必须的是：

binutils

gcc

//gcc-mingw

gdb

图16.打开Devel分支

图20.选择gdb

        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。

图21.选择ImageMagick库,在Graphics分支下

图22.选择perl、python组件库

图23.安装完成（时间可能比较长）

（3）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/或者直接点击下载地址下载：SIFT demo 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bundler-v0.4-source\bin目录中。

图24.特征检测器

（4）准备图片

        将要进行分析处理的图片放到一个目录里，Bundler自己也提供了两套图片，分别放在bundler-v0.4-source\examples\ET和bundler-v0.4-source\examples\kermit中。

（5）运行Bundler

        打开Cygwin，cd定位到BASE_PATH目录下（你的Bundler所在目录，定位方法参见Cygwin指令），然后输入下面的命令：./RunBundler.sh examples/ET 或者：./RunBundler.sh examples/Kermit

./RunBundler.sh examples/ET   
./RunBundler.sh examples/Kermit  

 

【转】win7 64位配置bundler-v0.4-source

标签：

原文地址：http://www.cnblogs.com/baozhilin/p/4604738.html