下面介绍UC-win/Road Ver.11新功能和SfM插件。SfM插件通过分析多张照片，复原VR空间内的三维坐标（点云）。

使用SfM插件，可以从拍摄的多张照片中，分析相机拍摄位置，自动生成被摄体的3维点云模型，并可以在UC- win/Road表示。 点云和拍摄位置这些信息可以从这些照片里分析出。
SfM插件有多项用途。比如，在道路行进时，通过连续拍照，可将道路以及道路周边的景象点云化。不使用3D镭射扫描等专业的设备，也可以将实际空间中的物 体轻松的在VR空间中反映出来。

SfM 插件有下面这些功能。 从映像中生成点云 从数码相机，摄像机等设备的照片，影像抽出信息生成点云。 调整点云的表示 调整输出的点云在UC-win/Road上的表示，使之准确。通过调整大小，位置，和角度，将多个点云数据之间，VR模 型和点云数据的重合表现。 生成拍摄的标准文件 输入棋盘画像，分析镜头焦距和特性，可以修正画像的扭曲并输出成文件。 生成VisualWords文件 生成点云数据的时候生成输出VisualWords文件。

■图1　分析的步骤

摄影成像
在想要生成三维点云的空间里使用数码相机摄影。因为需要大量照片，所以必须一边移动一边摄影。同时，SfM插件分析时需要照相机性能这一参数，照片没有附 加EXIF信息的情况下分格模式下有必要使用生成标准文件。
・Exif (Exchangeable image file format)：使用分格类型照片，加入有关拍摄条件的情报撮影条件并保存，可以将拍摄时间，使用机种，解像度，曝光时间，焦距，ISO感度等参数和图像 一起保存。

生成相机标准文件
使用分格型相机拍摄的照片，可以生成数码相机的各项参数计算结果的相机标准文件。

生成Visual Words文件
使用SfM分析的时候、可以生成Visual Word文件，高速判断照片的类似度。需要对大量的照片解析，生成Visual Words文件需要大量的时间、建议预先在插件里自带的样本文件。

SfM分析
读取照片和相机标准文件、Visual Words文件，并加入各种分析条件之后，执行分析。

■図2　展示厅的照片

■図3　展示厅照片的分析结果

SfM插件，可以执行实时分析和重点分析。实时分析为，上传到文件夹里的图像在瞬时被分析并生成点云数据。但是会消耗大量 的内存。重点 分析为，分析前设定对象图片，只分析设定的图片输出分析模型。这种分析不大量占用内存，但是这一分析只可以处理连续的照片，对于不连续的照片无法输出分析 结果。

重点分析
选择分析的照片，设定分析条件后，开始分析，算出照片的各个视点位置，并在三维空间内表示。根据分析进程的推进点云数量的增加，构造物也变得可见。所有的 画像分析结束后确认空间中的点云。如果点云数太少的话，将分析条件选定为『点云数量优先』，然后再次执行分析。
或者中途终了分析的情况下，变更开始的图像，除去那些停止解析的画像，再度执行解析。

特征点检出算法
作为检出特征点的算法，有SIFT、SURF两种可供选择。

SIFT(Scale Invariant Feature Transform)
检出特征点以及记录特征量的算法，标准的变化或者是回转等理由被记述。SURF相比，处理速度相对较迟但是识别度很高。

SURF(Speed Up Robust Features)
SIFT改善后的高速算法，相比SIFT处理速度慢但是识别度相对较低。

■图4 拍摄的照片

■图5　SfM插件画面

■图6　SfM插件的分析结果：点云、拍摄位置和朝向 （白色の体和矢印表示）

拍照时，注意拍摄被摄体的位置。照片未能全部将被摄体全部反映的情况下，无法认识被泄体的位置情报，无法生成点云。

拍摄空间的亮度保持稳定。因为在分析执行中，明暗变化过大的照片将会造成被分析物体不能很好的被认识。比如，在房间内拍摄 的情况下， 关上窗户遮蔽外部光线，在照明中拍摄。在室外拍摄的情况下，因为晴天时会有云层等光线变化比较大，阴天拍摄效果会比较好。在太阳直射或者阴天的情况下， 分析这种这种光线的变化，并调整点云机能将其与VR空间联系。

分析使用的最初的2张照片，会影响最终输出的点云数。如果执行分析但未出现完整的点云的情况下，SfM插件里将照片的顺序 做个调整会有很大的改善。

分析短时间结束的情况下，将特征点检出算法的优先设定为【点云数量优先】，点云的精细度虽然会降低，但是拍摄位置的检出成 功率将会提升。