English | [简体中文]
XRSfM 是一个开源的运动恢复结构代码仓库,它是OpenXRLab项目的一部分. 关于XRSfM更详细的介绍放在introduction.md.
如果你的研究过程中使用了该仓库,请考虑引用:
@misc{xrsfm,
title={OpenXRLab Structure-from-Motion Toolbox and Benchmark},
author={XRSfM Contributors},
howpublished = {\url{https://github.com/openxrlab/xrsfm}},
year={2022}
}
如果你的研究过程中使用了该仓库中的基于共视的匹配方法,请考虑引用:
@inproceedings{ye2020efficient,
title={Efficient covisibility-based image matching for large-scale sfm},
author={Ye, Zhichao and Zhang, Guofeng and Bao, Hujun},
booktitle={IEEE International Conference on Robotics and Automation (ICRA)},
year={2020}
}
@misc{ye2023ecsfm,
title = {EC-SfM: Efficient Covisibility-based Structure-from-Motion for Both Sequential and Unordered Images},
author = {Ye, Zhichao and Bao, Chong and Zhou, Xin and Liu, Haomin and Bao, Hujun and Zhang, Guofeng},
journal={IEEE Transactions on Circuits and Systems for Video Technology},
year={2023},
publisher={IEEE}
}
1.参考installation.md进行安装编译.
2.下载提供的测试数据 或者按照相同格式准备你自己的数据.
3.运行以下脚本进行重建:
python3 ./scripts/run_test_data.py --workspace_path ${workspace_path}$
更多细节请查看tutorial.md
除了重建功能, OpenXRLab 项目还提供了定位功能。 你可以构建自己的端云定位ARDemo,更多的信息请查看ARDemo.
本代码库的许可证是Apache-2.0。请注意,本许可证仅适用于我们库中的代码,这些代码的依赖项是独立的,并单独许可。我们十分感谢这些依赖项的贡献者。 本项目所使用依赖项的内容可能会影响我们代码库的许可证,一些依赖方法带有附加许可证。
XRSfM是一个开源项目,由学术界和行业的研究人员和工程师共同参与。 我们感谢所有实现其方法或添加新功能的贡献者,以及提供宝贵反馈的用户。
- XRPrimer: OpenXRLab foundational library for XR-related algorithms.
- XRSLAM: OpenXRLab Visual-inertial SLAM Toolbox and Benchmark.
- XRSfM: OpenXRLab Structure-from-Motion Toolbox and Benchmark.
- XRLocalization: OpenXRLab Visual Localization Toolbox and Server.
- XRMoCap: OpenXRLab Multi-view Motion Capture Toolbox and Benchmark.
- XRMoGen: OpenXRLab Human Motion Generation Toolbox and Benchmark.
- XRNeRF: OpenXRLab Neural Radiance Field (NeRF) Toolbox and Benchmark.