作者：Joseph Pan （轉載請註明出處http://www.cnblogs.com/weizhoupan/archive/2011/03/05/Intro_on_Bundler.html)
一、什麼是Bundler
Bundler是一個採用C和C++開發的稱爲sfm（struct-from-motion）的系統，它能夠利用無序的圖片集合（例如來自網絡的圖片）重建出3D的模型。最早的版本被用在Photo Tourism的項目上。
Bundler的輸入是一些圖像、圖像特徵以及圖像匹配信息，輸出則是一個根據這些圖像反應的場景的3D重建模型，伴有少量識別得到的相機以及場景幾何信息。系統借用一個由Lourakis 和Argyros提供的稱爲Sparse Bundle Adjustment的開發包的修改版，一點一點遞增地重建出圖像場景。Bundler已經成功的應用在許多網絡相冊系統，尤其是一些建築相冊裏。
下面我們就來了解一下Bundler的下載、安裝和開發環境配置。
二、Bundler的下載
Bundler的下載頁面在：http://phototour.cs.washington.edu/bundler/
如果只需要得到windows下的可執行文件，可以直接下載：bundler-v0.3-binary.zip
如果需要得到源代碼，則可以下載目前較新的版本：bundler-v0.4-source.zip 或者：bundler-v0.4-source.tar.gz （兩者沒區別，後者是Linux下的常用壓縮格式）。
三、Bundler的安裝配置
以Windows爲例。下載Bundler後，將其解壓到一個路徑，比如：E:\bundler（下面都以BASE_PATH來代替）
在成功執行Bundler前，我們需要做幾步準備工作：
1.下載和安裝Cygwin。Cygwin是許多自由軟件的集合，最初由Cygnus Solutions開發，用於各種版本的Microsoft Windows上，運行UNIX類系統。由於Bundler默認是通過在Unix環境下執行shell腳本來啓動Bundler的，因爲在Windows環境下需要安裝Cygwin以執行shell腳本。
要下載cygwin，直接在setup.exe上點右鍵“另存爲”即可。也可以複製右邊這個地址：http://cygwin.com/setup.exe
cygwin的安裝比較簡單，可以參考這篇教程：http://www.programarts.com/cfree_ch/doc/help/UsingCF/CompilerSupport/Cygwin/Cygwin1.htm
但要注意一點，Bundler程序中會使用perl、python來進行一些預處理，因此在安裝過程中需要把Devel、Perl、Python三個組件庫都選上。
下載安裝的時間比較久，需要等待一段時間。安裝過程中一些殺毒軟件（比如360）可能會提示一些安全警告，無視即可。
2.下載特徵檢測器。Bundler推薦使用SIFT來進行特徵提取，可以到SIFT的作者David Lowe的主頁上下載他提供的SIFT Demo作爲我們的檢測器。下載頁面爲： http://www.cs.ubc.ca/~lowe/keypoints/ 或者直接點擊右邊的下載地址下載：SIFT demo program (Version 4, July 2005)
下載完成後，解壓該文檔，將目錄下的siftWin32.exe文件拷貝到BASE_PATH\bin目錄中。
3.準備圖片。將要進行分析處理的圖片放到一個目錄裏，比如BASE_PATH\Pictures\中（下面也統一以Pictures代替圖片目錄）。作爲例子，Bundler自己也提供了兩套圖片，分別放在BASE_PATH\examples\ET和BASE_PATH\examples\kermit中。
4.運行Bundler。打開Cygwin，cd定位到BASE_PATH目錄下，然後輸入下面的命令：
關於Bundler還提供了許多種命令行選項，具體的用法可以參考BASE_PATH\README.txt文件。
如果只想測試一下例子的圖片，則可以鍵入：
圖2就是運行ET例子的截圖：
圖2 Windows下使用cygWin執行Bundler的結果
Linux下的安裝則簡單一些。主要的區別在於以下幾點：
1.由於Linux本身支持shell，因此不需要安裝Cygwin。
2.下載Lowe的SIFT Demo後，自帶的siftWin32.exe已不可用。需要通過手動make編譯得到sift的可執行文件。完成後將sift文件拷貝到BASE_PATH\bin目錄中。
3.完成了上面兩步後還不夠，如果直接執行RunBundler.sh腳本，會提示圖3所示的錯誤。
圖3 提示缺少共享庫文件錯誤
這是因爲我們沒有設置好共享庫。最直接的做法是將BASE_PATH\bin目錄下的libANN_char.so複製到/lib中：
此時再執行一次RunBundler.sh腳本，即可順利執行完畢得到結果，如圖4所示。
圖4 Linux下Bundler的運行結果
四、Bundler的輸出格式
我們可以在BASE_PATH\Bundler目錄下找到生成的結果。如圖5所示。
圖5 Bundler目錄下存放的處理結果
Bundler輸出的文件大多以“bundle_*.out”的形式來命名，我們稱之爲“bundle文件”。缺省命令下，Bundler在每張圖片經過分析和註冊（register）後都會輸出一個相應的bundle文件用來保存當前的狀態信息，並以“bundle_<n>.out”的形式命名。當所有的文件都註冊後，Bundler就會輸出一個最終的文件“bundle.out”。另外，每一回合結束時還會緊接着生成一些後綴名爲“ply”的文件，這些文件包含的是經過重建後的相機和點的信息。這些ply文件可以通過使用專用的查看器scanalyze來查看，地址爲：http://graphics.stanford.edu/software/scanalyze/
這些bundle文件包含了一些經過估算得到的場景和相機幾何信息。文件的格式如下：
<num_cameras> <num_points> [2 integers]
<camera1>
<camera2>
...
<cameraN>
<point1>
<point2>
...
<pointM>
每一個camera實體<cameraI> 的值是估算得到的相機內部和外部參數，形式爲：
<R> [a 3x3 matrix representing the camera rotation]
<t> [a 3-vector describing the camera translation]
每個相機的排序根據其在圖片列表中的出現順序來指定。
每個point實體<pointI>格式爲：
<color> [a 3-vector describing the RGB color of the point]
<view list> [a list of views the point is visible in]
其中，view list存放的是每一個點所在的場景列表的信息，開頭第一個數是每個場景列表的長度信息，然後緊接着分別是相機索引信息、該點所在的SIFT關鍵點序列的索引信息，以及該關鍵點所在的位置。
根據這些bundle文件內容以及小孔成像模型，我們就可以大致得到每臺相機的參數：
focal length (f),
two radial distortion parameters (k1and k2),
rotation (R),
translation (t)。
按照下面的法則我們可以將一個3D點X投影到參數爲(R,t,f)的相機中：
p = -P / P.z (perspective division)
p' = f * r(p) * p (conversion to pixel coordinates)
其中，P.z是P的z座標值。r(p)是一個用來計算出徑向畸變（radial distortion）校正的尺度變量值的函數：
最後，利用上面的公式還可以得到相機的方向（viewing direction）爲：
其中，' 表示一個矩陣或者向量的轉置，而相機的空間位置就爲：
五、總結
本文介紹瞭如何使用Bundler來根據圖片得到相機參數以及一些空間點雲數據，並詳細介紹了它在Windows和Linux下的安裝和配置方法，以及輸出結果的格式。得到的數據將能夠運用在3D重建中。利用Bundler可以得到較爲稀疏的點雲（point clouds）數據。如果需要得到更密集的點，可以使用Yasutaka Furukawa博士寫的另外一個非常強大的軟件包，稱爲PMVS2。一種比較常見的途徑是使用Bundler來得到相機參數，然後使用Bundle2PMVS程序，將生成結果轉換爲PMVS2的輸入，然後使用PMVS2來得到更密集的點雲。另外，讀者們可能會對另外一個同樣由Furukawa博士開發的實用工具——CMVS感興趣，CMVS是一個場景聚類程序，在使用PMVS2前可以使用它來進行一些預處理。
下一篇博文將進一步介紹如何在Linux下編譯Bundle的源代碼。
