点击下方卡片，关注“机器视觉与AI深度学习”
视觉/图像重磅干货，第一时间送达!
本文转载自微信公众号：数字地形分析，版权归原作者及刊载媒体所有，如有侵权请立即与我们联系，我们将及时处理。
前言
本次实验是实现的是根据无pos文件的视频文件建立3d纹理模型，在传统的摄影测量软件中（如Pix 4D），对于一般的视频文件无法进行3dmaps处理，存在两方面的问题：
（1） 相机文件缺失，无法进行缺失内外定向元素；
（2）地理定位文件缺失，无法进行处理；
图1：pix4D处理普通视频文件截图
一、Opencv库
OpenCV是一个功能强大的开源计算机视觉库，它支持多种编程语言和操作系统，提供了超过2500个优化算法，用于图像处理、视频分析、物体检测和机器学习等领域。由于其高性能和实时处理能力，OpenCV被广泛应用于面部识别、自动驾驶、机器人视觉、视频监控、医疗图像分析和增强现实等场景。开发者可以通过访问OpenCV的官方网站下载库文件，并利用其丰富的文档和社区资源进行学习和开发。Python用户可以通过pip轻松安装OpenCV的Python接口。
表1：cv库安装
二、读取视频文件
下述代码定义了一个名为 extract_frames 的函数，它的作用是从指定的视频文件中提取帧，并将这些帧作为图片保存到指定的输出文件夹中。函数接受三个参数：video_path 是视频文件的路径，output_folder 是保存提取帧的图片的文件夹路径，max_frames 是要提取的最大帧数，默认值为100。
以下是代码的详细解释：
1. 使用 cv2.VideoCapture 打开视频文件，参数是视频文件的路径。
2. 检查视频文件是否成功打开，如果没有成功打开，则打印错误信息并返回。
3. 如果输出文件夹不存在，则使用 os.makedirs 创建该文件夹。
4. 初始化 frame_count 计数器，用于跟踪提取的帧数。
5. 使用 while True 循环逐帧读取视频，直到读取到视频的末尾或达到最大帧数限制。
6. 使用 video_capture.read() 读取每一帧，如果读取失败，则打印错误信息并退出循环。
7. 使用 cv2.flip 函数将帧垂直翻转（参数180表示垂直翻转）。
8. 构建每一帧的输出文件路径，使用 os.path.join 将输出文件夹和帧编号组合成完整的文件路径。
9. 使用 cv2.imwrite 将帧保存为PNG格式的图片到输出文件夹中。
10. 打印保存的帧信息。
11. 增加 frame_count 计数器，如果达到最大帧数限制，则退出循环。
12. 使用 video_capture.release() 释放视频捕捉对象。
13. 打印完成提取帧的信息。
14. 如果在执行过程中发生异常，打印异常信息。
使用示例部分展示了如何调用 extract_frames 函数，指定了视频文件路径 video_path、输出文件夹路径 output_folder 和最大帧数 max_frames（在这个例子中限制为50帧）。
import cv2import osdef extract_frames(video_path, output_folder, max_frames=100):try:# 打开视频文件video_capture = cv2.VideoCapture(video_path)# 检查视频是否成功打开if not video_capture.isOpened():print(f"Error opening video file: {video_path}")return# 确保输出文件夹存在，如果不存在则创建if not os.path.exists(output_folder):os.makedirs(output_folder)frame_count = 0while True:print(f"Reading frame: {frame_count}") # 打印当前帧编号# 逐帧读取视频ret, frame = video_capture.read()# 如果读取失败，退出循环if not ret:print(f"Failed to read frame at frame_count: {frame_count}")break# 翻转图像（垂直翻转）frame = cv2.flip(frame, 180)# 构建帧的输出文件路径frame_filename = os.path.join(output_folder, f"frame_{frame_count:04d}.png")# 保存帧为图片cv2.imwrite(frame_filename, frame)# 打印保存信息print(f"Saved: {frame_filename}")frame_count += 1if frame_count >= max_frames:break# 释放视频捕捉对象video_capture.release()print("Finished extracting frames.")except Exception as e:print(f"An error occurred: {e}")# 使用示例video_path = "C:/Use/Desktop/shi/veconomy.mp4" # 输入视频文件路径output_folder = "C:/Use /Desktop/folder"# 输出图片保存文件夹extract_frames(video_path, output_folder, max_frames=50) # 限制读取的帧数
提取结果展示：
图2：提取结果
三、构建模型
本次处理数据的环境为3DF Zephyr Aerial 。3DF Zephyr Aerial是一款由 3Dflow 开发的专业三维建模软件，专门用于从航拍照片生成三维模型。这款软件提供了一系列的工具，专门为日常地理测量和分析、无人机/UAV 制图、建筑等领域设计。可以有效的处理无定位信息的图像。具体步骤如下所示：
（1）新建项目；在3DF Zephyr Aerial运行环境中（下同），选择菜单栏中的【工作流程】→选择【新建项目】。
图3：新建项目
（2）加载数据，设置工作格式。在【处理选项】界面，勾选【创建项目后处理三维模型】和【在线检测预处理的照片校准】。
图4：加载数据
（3）添加照片数据；在【选择照片页面】中，加载上述文件夹中每一帧的图像。
图5：添加照片
（4）相片校准；在【相机校准】页面，选择自动校正照片。
图6：相机校准
（5）设置点云重建格式；选择默认格式。
图7：相机定向和点云设置
（6）运行过程；这里可以把多余的点和面全部删掉；
图8：运行过程
（7）结果图；
（a）稀疏点云
图9：结果图
小结
通过上述过程处理，可以通过普通的视频文件生成点云数据，但对于动态物体控制点的捕捉仍然存在困难，三维纹理数据仍需要在blender软件中优化渲染。
图10：静态建筑三维纹理效果
