【三维重建-PatchMatchNet复现笔记】
- 1 突出贡献
- 2 数据集描述
- 3 训练PatchMatchNet
- 3.1 输入参数
- 3.2 制定数据集加载方式
1 突出贡献
在计算机GPU和运行时间受限的情况下，PatchMatchNet测试DTU数据集能以较低GPU内存和较低运行时间，整体误差位列中等，成为2020年多视图三维重建（MVS，Multi-view Stereo）的折中方案.
特点：
高速，低内存，可以处理更高分辨率的图像，它的效率比所有现有的性能最好的模型都要高得多: 比最先进的方法至少快2.5倍，内存使用量减少一倍。
首次在端到端可训练架构中引入了迭代的多尺度Patchmatch，并用一种新颖的、可学习的自适应传播和每次迭代的评估方案改进了传统Patchmatch核心算法。
主要贡献
基于学习的方法比传统的方法有优势，但是受限于内存和运行时间，于是将补丁匹配的想法引入到端到端可训练的深度学习中，用可学习的自适应模块增强了补丁匹配的传统传播和代价评估步骤，减少了内存消耗和运行时间。
2 数据集描述
（1）在学习PatchMatchNet之前，先了解DTU数据集的特点有助于理解算法的实现步骤，DTU数据集是一种在特定条件下拍摄的多视图数据集。其包含128种物体的多视图，分别使用64个固定的相机（表明有64个相机内、外参数）拍摄具有一定重合区域的图片。相机参数如下形式：
extrinsic（外参：旋转矩阵R、T）
0.126794 -0.880314 0.457133 -272.105
0.419456 0.465205 0.779513 -485.147
-0.898877 0.09291 0.428238 629.679
0.0 0.0 0.0 1.0
intrinsic（内参：针孔相机的["fx", "fy", "cx", "cy"]）
2892.33 0 823.206
0 2883.18 619.07
0 0 1
425 2.5（深度的最小、最大范围值）原代码的深度顺序是先小后大
（2）使用COLMAP软件（使用方法自查）观察物体scan1的拍摄形式如下图所示 ，其中包含49张帽子图片，故在49个摄像位置进行拍摄，抓取特征点并匹配，重建产生26134个点的稀疏点云：
（3）训练的数据目录结构如下形式：
训练数据根目录
+---Cameras_1(相机参数）
| +---00000000_cam.txt
| +---00000001_cam.txt
| +---00000002_cam.txt
| ......64个相机参数txt文件
| +---pair.txt(视图之间重合区域匹配文件（1个）)
| \---train（内含64个相机参数txt文件）
| +---00000000_cam.txt
| +---00000001_cam.txt
| +---00000002_cam.txt
| ......
+---Depths_raw(深度图)
| +---scan1
| +---depth_map_0000.pfm（pfm格式的深度图：宽160*高128）
| +---depth_map_0001.pfm
| +---depth_map_0002.pfm
| +---depth_map_0003.pfm
| ......
| +---depth_visual_0044.png（png格式的可视化黑白深度图：宽160*高128）
| +---depth_visual_0045.png
| +---depth_visual_0046.png
| +---depth_visual_0047.png
| +---depth_visual_0048.png
| ......
| +---scan2
| +---scan3
| +---scan4
| +---scan5
| +---scan6
| +---scan7
| \---scan8
\---Rectified
+---scan1_train
+---rect_001_0_r5000.png
+---rect_001_1_r5000.png
+---rect_001_2_r5000.png
....
+---scan2_train
+---scan3_train
+---scan4_train
+---scan5_train
+---scan6_train
+---scan7_train
\---scan8_train
这里举例了8个物体的的数据内容，一个G大小供下载测试，下载链接，其中包含两个测试数据，测试数据目录结构如下：
测试数据根目录
+---scan1
| +---cams（64个相机内外参，深度范围）
| +---cams_1（64个相机内外参，深度范围）
| +---images（49张多视角拍摄图片：宽1600*高1200）
| \---pair.txt（视图之间重合区域匹配文件（1个）)
\---scan4
+---cams
+---cams_1
\---images
测试数据与训练数据不同之处有二：
1、图片的尺寸变大了；2、不需要深度图，深度图需要使用训练好的模型计算得到，最终产生点云.ply文件.
作者将所有scan数据划分训练、验证、测试集，并放在lists文件夹中的不同的txt文件中，目录如下：
lists
├─dtu
│ all.txt
│ test.txt
│ train.txt
│ val.txt
3 训练PatchMatchNet
3.1 输入参数
举例几个重要参数
"--trainpath",default="D:/AlgorithmFile/3DCoronaryTreeReconstruction/PatchmatchNet/sourceCode/PatchmatchNet-main/data/mini_dtu/train/", help="训练集的路径"（自定义）
"--epochs", type=int, default=16, help="训练轮数"（自定义）
"--batch_size", type=int, default=1, help="训练一批次的大小"（自定义）
"--loadckpt", default=None, help="加载一个特定的断点文件"（默认无）
"--parallel", action="store_true", default=False, help="如果设置，使用并行，这可以防止导出TorchScript模型."
"--patchmatch_iteration", nargs="+", type=int, default=[1, 2, 2], help="patchmatch模块在stages 1,2,3的自迭代次数"
"--patchmatch_num_sample", nargs="+", type=int, default=[8, 8, 16],help="在stages 1,2,3局部扰动的产生的样本数量"
"--patchmatch_interval_scale", nargs="+", type=float, default=[0.005, 0.0125, 0.025], help="在逆深度范围内生成局部扰动样本的归一化区间"
"--patchmatch_range", nargs="+", type=int, default=[6, 4, 2],help="补丁匹配在阶段1,2,3上传播的采样点的固定偏移")
"--propagate_neighbors", nargs="+", type=int, default=[0, 8, 16],help="自适应传播在阶段1,2,3上的邻居数目"
"--evaluate_neighbors", nargs="+", type=int, default=[9, 9, 9],help="第1、2、3阶段自适应评价的自适应匹配代价聚合的邻居个数"
3.2 制定数据集加载方式
# dataset, dataloader
train_dataset = MVSDataset(args.trainpath, args.trainlist, "train", 5, robust_train=True)
test_dataset = MVSDataset(args.valpath, args.vallist, "val", 5, robust_train=False)
TrainImgLoader = DataLoader(train_dataset, args.batch_size, shuffle=True, num_workers=8, drop_last=True)
TestImgLoader = DataLoader(test_dataset, args.batch_size, shuffle=False, num_workers=4, drop_last=False)
输入：训练集的路径，训练集的train.txt列表，训练模式，待计算的5张邻域图像数（最多10张图），鲁棒性训练（在10张图中随机选择5张无序的）
MVSDataset函数的功能：
1、设定阶段数为4
2、读取训练集的列表
3、设置一个空列表metas存放【不同scan，不同光照下的light_idx索引(同一角度共有7种光照不同的图)，不同的参考图ref，对应的10张邻域图src集合】
4、获取数据的方法：首先，读取一个metas元素，如果是鲁棒训练，则参考图ref+随机从10张邻域图中选择5张，否则参考图ref+顺序选前5张邻域图。
接着，
（1）从Rectified文件夹中读取校正的（宽640x高512）参考图ref和所有src（共6张彩色图，注意参考图的ID是从0-49，对应原图的ID：1-49，故读取原图是ID+1）
（2）从Depths_raw文件夹中读取深度可视化png图（宽160x高128）参考图ref和所有src（共6张彩色图），从Depths_raw文件夹中读取深度pfm图（宽160x高128）参考图ref和所有src（共6张彩色图），这两个图的ID跟参考图ID一样从0-48，故不需要加1。
（3） 从Cameras_1文件夹中读取6张不同视角下的相机内外参数和深度范围。
（4）读取的相机内参对应的是较小的图片，而现在需要更大尺寸的图片对应的内参，故需要升高相机内参，这里放大了原来的4倍。
#共六组内外参
intrinsic[:2, :] *= 4.0
intrinsics.append(intrinsic)
extrinsics.append(extrinsic)
