所属していた研究室のゼミで使用したスライドです。PhotoScanというSfMソフト、および、PHANTOMというドローンを使って、筑波大学内の地形図を作成しました。 このスライドを用いたプレゼンの動画をYouTubeにアップしています。 合わせてどうぞ: https://www.youtube.com/watch?v=PTuoLHZCl0k

1. 2014/07/02 流域ゼミ
筑波大学 流域管理研究室 M2
山崎 一磨
SfMソフト・PhotoScan 実験4例

2. - ここのところ流域研ではSfM(Structure from Motion)が話題。
はじめに
2014/05/21 流域ゼミ
經隆氏のスライド（無断使用）
2014/06/25 流域ゼミ
水落氏のスライド（無断使用）
- 「コンピュータ上で扱える3Dモデル」 ...私にも関係がある。
こういうことやってるので

3. 「コンピュータ上で扱える，何か形を持つもの」
ところで「モデル」とは
佐々井研が扱う「モデル」とは同音異義語。
http://codezine.jp/static/images/article/38/step5_screen.gif
こういうのとか， こういうのとか，
2014/06/25 流域ゼミ
水落さんのスライドより
こういうのとか。

4. 1. コンピュータ上で一から作る。
モデリング 2種類の方法
reconstructionという。
2. 現実世界にあるものを再現する。
- レーザー測量
手段としては，
- ステレオマッチング
熱い

5. ステレオマッチングの前に測量を考えよう
ステレオマッチング 原理
測りたいもの
（座標未知）y
x
測点1
（座標既知）
測点2
（座標既知）

6. ステレオマッチングの前に測量を考えよう
ステレオマッチング 原理
測りたいもの
（座標未知）y
x
測点1
（座標既知）
測点2
（座標既知）
θ1 θ2
座標既知点×2
角度×2
座標わかる
（前方交会法）

7. 人の代わりにデジカメを置く
ステレオマッチング 原理
y
x
測点1
（座標既知）
測点2
（座標既知）
測点1の写真 測点2の写真
座標わかる

8. 外部標定 と 内部標定
ステレオマッチング 前提
外部標定
カメラの位置と姿勢（向き）を決める作業
内部標定
カメラのパラメータ（焦点距離とかレンズの歪みとか）を
決める作業

9. 外部標定 と 内部標定 を 自動で行う!!
最近のSfMソフトはすごい
2014/05/21 流域ゼミ 經隆さんのスライドより
取り込んだ写真を元にして，
それぞれの写真が，
どこからどの向きで
撮影されたか， （外部標定）
どういうパラメータで
撮影されたか， （内部標定）
もっともらしい値を探索する。

10. - 大学会館前の 嘉納治五郎像
例1: 治五郎先生像
- 2014/06/14 撮影
- 使ったデジカメ: いつものGPSカメラ
- 20枚の写真を撮影 ...撮影にかかった時間: 3分ていど
こういう感じで，いろんな方向から。

11. PhotoScan起動，写真読み込み
外部標定と内部標定を指令。
しばし待つ。
枚数が増えるほど時間がかかるが，
20枚なら3分くらい。

12. 推定された撮影位置が表示される。
青い板が撮影位置・向きを表す。
うっすら見える点は特徴点。
ステレオマッチングを指令。
しばし待つ。
5分くらい

13. 推定された撮影位置が表示される。
青い板が撮影位置・向きを表す。
うっすら見える点は特徴点。
ステレオマッチングを指令。
しばし待つ。
5分くらい

14. 推定された撮影位置が表示される。
青い板が撮影位置・向きを表す。
うっすら見える点は特徴点。
ステレオマッチングを指令。
しばし待つ。
5分くらい

16. - 大学会館前の広場
例2: 大学会館前の地形
- 2014/06/14 撮影
- PHANTOM使用。
- 100枚程度の写真を処理に使用。

19. - 植物見本園の梅林
例3: 林木と林地
- 2014/06/10, 14 撮影
- PHANTOM使用。
樹高 3 m 程度の梅が等間隔に並んでいる。
一の矢宿舎
ここ
- 100枚程度の写真を処理に使用。

21. - 虹の広場の大木
例4: 単木
- 2014/06/15 撮影
- PHANTOM使用。
この木
- 100枚程度の写真を処理に使用。

23. - ステレオマッチングは機械的に行えるはず。
考察
- 「もっともらしい点」を探索するアルゴリズムだろうから，
「エラーと見なす基準」があるだろう。
- なぜエラーが出るか。
外部標定が上手く行ってないのでは?
それらしく見えるが，
「それらしく見える」だけ?

24. - 梅林と単木は，抽出された特徴点の数が少ない:
治五郎像 写真 20枚 特徴点 40,000点くらい
大学会館 写真100枚 特徴点 220,000点くらい
梅林 写真100枚 特徴点 100,000点くらい
単木 写真100枚 特徴点 70,000点くらい
http://www.oakcorp.net/photoscan/qa.php
- 公式で「不得意」とされている要素:

25. - ある意味「毛羽だっている」。
- 樹冠内は黒とびする。
- 揺れる。
森や木などの植物はSfMではモデリングしにくいか。