以下將介紹UC-win/Road Ver.11新功能和SfM插件。SfM插件透過分析數張照片，還原VR空間內的三維座標（點雲）。

使用SfM插件，可以從拍攝的多張照片中，分析相機拍攝位置，自動生成被攝體的3維點雲模型，並可以在UC- win/Road顯現。點雲和拍攝位置這些資訊可以從這些照片裡分析得出。
SfM插件有多項用途。比如，在道路行進時，藉由連續拍照，可將道路以及道路周邊的景象點雲化。不使用3D雷射掃描等專業的設備，也可以將實際空間中的物體輕鬆地在VR空間中反映出來。
・SfM(Structure from Motion)：藉由分析數張照片，推定出照相機的位置及其面向、照片內特徵點的3維空間位置的技術。推定出的結果可以在VR空間中顯現。

SfM 插件內含以下功能。 由照片生成點雲 從數碼相機，攝像機等設備的照片，影像抽出資訊生成點雲。 調整點雲的表示 調整輸出的點雲在UC-win/Road上的表示，使之準確。透過調整大小、位置、和角度，將多個點雲資料之間，VR模型和點雲資料的重合表現。 製作照相機的校正檔案 輸入棋盤畫像，分析鏡頭焦距和特性，可以修正畫像的扭曲並輸出成檔。 製作VisualWords檔案 生成點雲資料的時候生成輸出VisualWords檔。

■圖1　解析的流程

拍攝照片
在想要生成三維點雲的空間裡使用數位相機攝影。因為需要大量照片，所以必須一邊移動一邊攝影。同時，SfM插件分析時需要照相機性能這一參數，照片沒有附加EXIF資訊的情況下分格模式下有必要使用生成標準檔。
・Exif (Exchangeable image file format)：以數位相機拍攝的畫像數據，可新增拍攝條件相關的資訊並儲存、畫像檔案格式的規格。拍攝日期和機種名稱、解像度、曝光時間、焦比(F 值)、焦距、ISO感度、色彩空間、等參數與圖像一併記錄。

製作照相機校正檔案
使用分格型相機拍攝的照片，可以生成數碼相機的各項參數計算結果的相機標準檔。

製作Visual Words檔案
使用SfM分析的時候、可以生成Visual Word檔，高速判斷照片的類似度。需要對大量的照片解析，生成Visual Words檔需要大量的時間、建議預先在插件裡自帶的樣本檔。

SfM解析
讀取照片和相機標準檔、Visual Words檔，並加入各種分析條件之後，執行分析。

■圖2　展示廳的拍攝照片

■圖3　展示廳照片的解析結果

SfM插件，可以執行即時分析和重點分析。即時分析為，上傳到資料夾裡的圖像在暫態被分析並生成點雲資料。但是會消耗大量的記憶體。重點分析為，分析前設 定物件圖片，只分析設定的圖片輸出分析模型。這種分析不大量佔用記憶體，但是這一分析只可以處理連續的照片，對於不連續的照片無法輸出分析結果。

重點分析
選擇分析的照片，設定分析條件後，開始分析，算出照片的各個視點位置，並在三維空間內表示。根據分析進程的推進點雲數量的增加，構造物也變得可見。所有的畫像分析結束後確認空間中的點雲。如果點雲數太少的話，將分析條件選定為『點雲數量優先』，然後再次執行分析。
或者中途終了分析的情況下，變更開始的圖像，除去那些停止解析的畫像，再度執行解析。。

特徵點檢出演算法
作為檢出特徵點的演算法，有SIFT、SURF兩種可供選擇。

SIFT(Scale Invariant Feature Transform)
檢出特徵點以及記錄特徵量的演算法，標準的變化或者是回轉等理由被記述。SURF相比，處理速度相對較遲但是識別度很高。

SURF(Speed Up Robust Features)
SIFT改善後的高速演算法，相比SIFT處理速度慢但是識別度相對較低。

■圖4　拍攝的照片

■圖5　SfM插件畫面

■圖6　SfM插件的分析結果：點雲、照相機的位置與其面向 （顯示白色的球體與箭頭）

拍照時，注意拍攝被攝體的位置。照片未能全部將被攝體全部反映的情況下，無法認識被泄體的位置情報，無法生成點雲。（批次處理解析時，必須包含4張正面照片。）

拍攝空間的亮度保持穩定。因為在分析執行中，明暗變化過大的照片將會造成被分析物體不能很好的被認識。比如，在房間內拍攝的情況下，關上窗戶遮蔽外部光 線，在照明中拍攝。在室外拍攝的情況下，因為晴天時會有雲層等光線變化較大，陰天拍攝效果會比較好。在太陽直射或者陰天的情況下，分析這種這種光線的變 化，並調整點雲機能將其與VR空間聯繫。

分析使用的最初的2張照片，會影響最終輸出的點雲數。如果執行分析但未出現完整的點雲的情況下，SfM插件裡將照片的順序做個調整會有很大的改善。

分析短時間結束的情況下，將特徵點檢出演算法的優先設定為「點雲數量優先」，點雲的精細度雖然會降低，但是拍攝位置的檢出成 功率將會提升。