Run(RANSAC + Triangulation) : python main.py Run(Bundle Adjustment) : python Bundle.py Run(create ply file) : python npytoply.py

File explanation Data : Original data (provided by TA) functions : MATLAB function (provided by TA) optional : custom dataset initial data (provided by TA) two_view_recon_info : initial data (provided by TA) custom dataset : image of custom dataset and camera intrinsic result_10000 : our result containing camera pose, 3d points, keypoints (npy file)

main.py : RANSAC + Triangulation run code func.py : progress bar visualization code npytoply.py : convert npy file to ply file (for mashlab visualization) RANSAC.py : RANSAC code Triangulation.py : Triangulation code Bundle.py : Bundle Adjustment code

original_3d.ply : ply file of initial 3d points (provided by TA. sfm03 and sfm04 matched) 10000_output.ply : ply file of output 3d points custom_output.ply : ply file of custom dataset 3d points 10000_BA_output.ply : ply file of optimized 3d points(bundle adjustment) noisy_output.ply : ply file of adding noise (10000_output + gaussian noise)

데이터 구조 설명(result_10000 폴더 내부 파일 설명) keypoints0.npy : 0번 이미지의 SIFT결과 keypoint를 저장. [x,y]형태의 N2 배열 10000_result.npy : Triangulation을 통해 복원한 3D점의 좌표. [x,y,z]형태의 N3 배열 10000_result_pose.npy : RANSAC을 통해 얻은 각 camera pose. 1543배열 inlinear_result.json : 3D점이 어떤 keypoint와 매칭되어있는지 알려주는 배열. list형태로 각 원소마다 dict가 저장되어 있다. 하나의 keypoint는 최대 1개의 3D점과 매칭됨이 보장되어있다. ex)0번째 3D점이 3번 이미지의 1000번째 keypoint와 4번 이미지의 2000번째 keypoint와 매칭된 경우, inlinear_result[0]={3:1000,2:1000}