ReconstructFull API

ReconstructFullは最もシンプルで使いやすい全工程復元インターフェースで、プロジェクトの高速起動と新規ユーザーに適しています。画像メタデータ抽出、空中三角測量計算、3D復元の完全なワークフローを自動的に処理します。

🎯 インターフェースの特徴

• ✅ 高度な自動化: 画像EXIFからGPSとカメラ情報を自動読み取り
• ✅ シンプルな設定: 最低限必要なのは画像パスの提供のみ
• ✅ ワンストップ: 画像から直接最終成果物を生成
• ✅ インテリジェント最適化: 最適な処理パラメータを自動選択

📋 パラメータ詳細

必須パラメータ

パラメータ名	型	説明	例の値
license_id	int	SDKライセンスID	9200
working_dir	string	作業ディレクトリパス	"C:/Projects/MyProject"
gdal_folder	string	GDALデータディレクトリ	"C:/MipMap/SDK/data"
coordinate_system	object	入力座標系	下記説明参照
image_meta_data	array	画像リスト	下記説明参照
input_image_type	int	画像タイプ	1=RGB, 2=マルチスペクトル, 3=赤外線
resolution_level	int	精度レベル	1=高, 2=中, 3=低

オプションパラメータ - 出力制御

パラメータ名	型	デフォルト値	説明
generate_obj	bool	false	OBJ形式モデル生成
generate_ply	bool	false	PLY形式モデル生成
generate_osgb	bool	false	OSGB形式生成（斜め写真）
generate_3d_tiles	bool	false	3D Tiles生成（Cesium）
generate_las	bool	false	LAS点群生成
generate_pc_ply	bool	false	点群PLY生成
generate_pc_osgb	bool	false	点群OSGB生成（LOD）
generate_pc_pnts	bool	false	点群PNTS生成（3D Tiles）
generate_geotiff	bool	false	オルソ画像生成
generate_tile_2D	bool	false	2Dタイル生成
generate_2D_from_3D_model	bool	false	3Dモデルからオルソ生成

オプションパラメータ - 座標系

パラメータ名	型	デフォルト値	説明
coordinate_system_3d	object	Local/LocalENU	出力3D座標系
coordinate_system_2d	object	LocalENU	出力2D座標系

オプションパラメータ - 高度機能

パラメータ名	型	デフォルト値	説明
gcp_path	string	-	基準点ファイルパス
gcp_coor_sys	object	-	基準点座標系
use_image_position_constraint	bool	true	画像位置制約を使用
fast_mode	bool	false	高速モード（品質低下）
min_avali_memory_size	float	16.0	最小利用可能メモリ（GB）
output_block_change_xml	bool	false	Block Exchange XML出力

📝 データ構造詳細

coordinate_systemオブジェクト

{
  "type": 2,              // 1=投影, 2=地理, 3=地心
  "type_name": "Geographic",
  "label": "WGS 84",     // 座標系名称
  "epsg_code": 4326      // EPSGコード
}

image_meta_data配列要素

基本形式（EXIF自動読み取り）

{
  "id": 1,                           // 一意識別子
  "path": "C:/Images/DJI_0001.JPG",  // 画像パス
  "group": "camera_1"                // オプション：カメラグループ
}

完全形式（カスタムメタデータ）

{
  "id": 1,
  "path": "C:/Images/IMG_0001.JPG",
  "group": "nadir",                  // カメラグループ名
  "meta_data": {                     // カスタムメタデータ
    "width": 6000,                   // 画像幅（ピクセル）
    "height": 4000,                  // 画像高（ピクセル）
    "pos": [114.123456, 22.123456, 100.5],  // [経度, 緯度, 標高]
    "pos_sigma": [0.05, 0.05, 0.10], // [X精度, Y精度, Z精度]（メートル）
    "focal_length": 24.0,            // 焦点距離（ミリメートル）
    "pixel_size": 0.00391            // ピクセルサイズ（ミリメートル）
  }
}

カメラグループ（group）パラメータ

マルチカメラシステムで、異なるカメラの画像をグループ処理するために使用：

"image_meta_data": [
  {"id": 1, "path": "nadir/IMG_001.jpg", "group": "nadir"},
  {"id": 2, "path": "nadir/IMG_002.jpg", "group": "nadir"},
  {"id": 3, "path": "oblique_f/IMG_001.jpg", "group": "oblique_forward"},
  {"id": 4, "path": "oblique_b/IMG_001.jpg", "group": "oblique_backward"},
  {"id": 5, "path": "oblique_l/IMG_001.jpg", "group": "oblique_left"},
  {"id": 6, "path": "oblique_r/IMG_001.jpg", "group": "oblique_right"}
]

一般的なグループ化シナリオ：

• 5目斜め撮影カメラ: nadir, oblique_forward, oblique_backward, oblique_left, oblique_right
• デュアルカメラシステム: wide_angle, telephoto
• マルチ機協働: drone_1, drone_2, drone_3
• マルチ時相: morning, afternoon

posとpos_sigmaパラメータ説明

posパラメータ:

• 形式: [経度, 緯度, 標高] または [X, Y, Z]（座標系に依存）
• 単位: 地理座標系では度とメートル、投影座標系ではメートル
• 用途: EXIFのGPS情報を上書きまたはGPSなし画像に位置を提供

pos_sigmaパラメータ:

• 形式: [σ_X, σ_Y, σ_Z]
• 単位: メートル
• 意味: 各方向の位置測定標準偏差（1σ）
• 用途: 空中三角測量最適化で重みとして使用、精度が高い（σが小さい）ほど重みが大きい

典型的な値:

測位方式	σ_X/σ_Y	σ_Z	説明
RTK固定解	0.02-0.05m	0.05-0.10m	最高精度
PPK後処理	0.03-0.08m	0.08-0.15m	高精度
通常GPS	2-5m	3-8m	標準精度
手動推定	0.5-2m	1-3m	低精度

📝 設定例

最小設定

{
  "license_id": 9200,
  "working_dir": "C:/Projects/QuickStart",
  "gdal_folder": "C:/MipMap/SDK/data",
  "input_image_type": 1,
  "resolution_level": 2,
  "coordinate_system": {
    "type": 2,
    "label": "WGS 84",
    "epsg_code": 4326
  },
  "image_meta_data": [
    {"id": 1, "path": "C:/Images/DJI_0001.JPG"},
    {"id": 2, "path": "C:/Images/DJI_0002.JPG"},
    {"id": 3, "path": "C:/Images/DJI_0003.JPG"},
    {"id": 4, "path": "C:/Images/DJI_0004.JPG"},
    {"id": 5, "path": "C:/Images/DJI_0005.JPG"}
  ],
  "generate_obj": true,
  "generate_geotiff": true
}

マルチカメラグループ設定例

{
  "license_id": 9200,
  "working_dir": "D:/Projects/MultiCamera",
  "gdal_folder": "D:/MipMap/SDK/data",
  "input_image_type": 1,
  "resolution_level": 1,
  "coordinate_system": {
    "type": 2,
    "label": "WGS 84",
    "epsg_code": 4326
  },
  
  // マルチカメラ画像グループ化
  "image_meta_data": [
    // 下視カメラ
    {"id": 1, "path": "nadir/IMG_001.jpg", "group": "nadir"},
    {"id": 2, "path": "nadir/IMG_002.jpg", "group": "nadir"},
    
    // 前視斜めカメラ
    {"id": 3, "path": "forward/IMG_001.jpg", "group": "oblique_f"},
    {"id": 4, "path": "forward/IMG_002.jpg", "group": "oblique_f"},
    
    // より多くのカメラグループ...
  ],
  
  "generate_osgb": true,
  "generate_3d_tiles": true
}

カスタムPOS設定例

{
  "license_id": 9200,
  "working_dir": "D:/Projects/PPK_Project",
  "gdal_folder": "D:/MipMap/SDK/data",
  "input_image_type": 1,
  "resolution_level": 1,
  "coordinate_system": {
    "type": 2,
    "label": "WGS 84",
    "epsg_code": 4326
  },
  
  // 高精度PPK処理後の位置データを使用
  "image_meta_data": [
    {
      "id": 1,
      "path": "images/DJI_0001.JPG",
      "meta_data": {
        "width": 5472,
        "height": 3648,
        "pos": [114.305421, 22.596013, 120.543],  // PPK処理後の精密位置
        "pos_sigma": [0.03, 0.03, 0.05]  // PPK精度
      }
    },
    {
      "id": 2,
      "path": "images/DJI_0002.JPG",
      "meta_data": {
        "width": 5472,
        "height": 3648,
        "pos": [114.305512, 22.596089, 120.621],
        "pos_sigma": [0.03, 0.03, 0.05]
      }
    }
    // ... より多くの画像
  ],
  
  "generate_obj": true,
  "generate_geotiff": true
}

完全設定例（GCPあり）

{
  "license_id": 9200,
  "working_dir": "D:/Projects/HighPrecision",
  "gdal_folder": "D:/MipMap/SDK/data",
  "input_image_type": 1,
  "resolution_level": 1,
  
  // 入力座標系 - WGS84
  "coordinate_system": {
    "type": 2,
    "label": "WGS 84",
    "epsg_code": 4326
  },
  
  // 出力座標系 - UTM
  "coordinate_system_3d": {
    "type": 3,
    "label": "WGS 84 / UTM zone 50N",
    "epsg_code": 32650
  },
  
  // 基準点
  "gcp_path": "D:/Projects/HighPrecision/gcps.txt",
  "gcp_coor_sys": {
    "type": 3,
    "label": "WGS 84 / UTM zone 50N",
    "epsg_code": 32650
  },
  
  // 画像リスト
  "image_meta_data": [
    {"id": 1, "path": "D:/Data/flight1/IMG_001.JPG"},
    {"id": 2, "path": "D:/Data/flight1/IMG_002.JPG"},
    // ... より多くの画像
  ],
  
  // すべての形式を出力
  "generate_obj": true,
  "generate_osgb": true,
  "generate_3d_tiles": true,
  "generate_las": true,
  "generate_geotiff": true,
  "generate_tile_2D": true
}

💾 出力構造

処理完了後、作業ディレクトリに以下の構造が生成されます：

working_dir/
├── products/              # 最終成果物
│   ├── models/           # 3Dモデル
│   │   ├── model.obj    # OBJ形式
│   │   ├── model.mtl    # マテリアルファイル
│   │   ├── textures/    # テクスチャ画像
│   │   └── tileset.json # 3D Tiles
│   ├── pointcloud/       # 点群データ
│   │   └── cloud.las    # LAS形式点群
│   └── orthophoto/       # オルソ画像
│       ├── ortho.tif    # GeoTIFF
│       └── tiles/       # タイルデータ
├── milestones/           # 中間結果
│   ├── at_result/       # 空三結果
│   ├── roi.json         # ROI範囲
│   └── report.html      # 処理レポート
└── log/                  # ログファイル
    └── log.txt          # 詳細ログ

🎯 使用提案

適用シナリオ

• ✅ 高速なプロトタイピングとテスト
• ✅ 標準的な航空撮影プロジェクト
• ✅ 自動化バッチ処理
• ✅ 初心者学習

不適用シナリオ

• ❌ 処理パラメータの細密制御が必要
• ❌ 基準点の使用が必要
• ❌ 中間結果の確認が必要
• ❌ 特殊カメラやセンサー

🔧 高度なテクニック

1. 複数プロジェクトのバッチ処理

import json
import subprocess
from pathlib import Path

def batch_process(project_list):
    for project in project_list:
        # 設定を作成
        config = {
            "license_id": 9200,
            "working_dir": f"./output/{project['name']}",
            "gdal_folder": "./data",
            "coordinate_system": {"type": 2, "epsg_code": 4326},
            "image_meta_data": [
                {"id": i+1, "path": str(img)} 
                for i, img in enumerate(project['images'])
            ],
            "input_image_type": 1,
            "resolution_level": 2,
            "generate_obj": True,
            "generate_geotiff": True
        }
        
        # 設定を保存
        config_path = f"./config_{project['name']}.json"
        with open(config_path, 'w') as f:
            json.dump(config, f, indent=2)
        
        # 処理を実行
        subprocess.run([
            "reconstruct_full_engine.exe",
            "-reconstruct_type", "0",
            "-task_json", config_path
        ])

2. 自動パラメータ最適化

def optimize_parameters(image_count, available_memory_gb):
    """プロジェクト規模に基づいてパラメータを自動選択"""
    
    # 解像度レベル
    if image_count < 100:
        resolution_level = 1  # 高精度
    elif image_count < 500:
        resolution_level = 2  # 中精度
    else:
        resolution_level = 3  # 低精度（大プロジェクト）
    
    # 出力形式
    if available_memory_gb > 32:
        formats = {
            "generate_obj": True,
            "generate_osgb": True,
            "generate_3d_tiles": True,
            "generate_las": True
        }
    else:
        formats = {
            "generate_obj": True,
            "generate_las": False
        }
    
    return resolution_level, formats

3. 進捗監視

import re
import time
from threading import Thread

def monitor_progress(log_file):
    """処理進捗を監視"""
    
    def read_progress():
        with open(log_file, 'r') as f:
            f.seek(0, 2)  # ファイル末尾に移動
            while True:
                line = f.readline()
                if line:
                    match = re.search(r'\[PROGRESS\] (\d+)%', line)
                    if match:
                        progress = int(match.group(1))
                        print(f"\r進捗: {'█' * (progress//2)}{'░' * (50-progress//2)} {progress}%", end='')
                time.sleep(0.1)
    
    thread = Thread(target=read_progress, daemon=True)
    thread.start()

❓ よくある質問

Q: なぜ一部の画像が使用されなかったのですか？

A: ReconstructFullは品質の悪い画像を自動でフィルタリングします：

• ぼやけた画像
• GPS情報のない画像
• 重複または類似度の高い画像

ログでフィルタリングされた画像とその理由を確認できます。

Q: GPSのない画像を処理するには？

A: GPS情報のない画像については：

1. ReconstructATインターフェースを使用（GPS無し処理をサポート）
2. またはGPS情報を手動でEXIFに追加
3. または外部POSファイルを使用

Q: 大規模プロジェクト処理でメモリ不足？

A: 解決策：

1. resolution_levelを2または3に下げる
2. 同時生成する出力形式を減らす
3. ブロック処理を使用（他のインターフェースが必要）

🔗 関連リンク

• 座標系詳細説明
• 画像メタデータ説明
• 出力形式比較
• ReconstructATインターフェース（より多くの制御）

---

ReconstructFullはMipMapEngine SDKを使い始めるのに最適な選択肢です。経験を積むにつれて、より多くの制御を得るために他のインターフェースを探索できます。