Colmap三维重建详解与使用方法

图片捕获过程，请遵循以下指导方针以获得最佳重建结果:

1 捕捉具有良好纹理的图像。避免使用完全没有质感的图片(例如，白色的墙或空桌子)。如果场景本身没有足够的纹理，你可以放置额外的背景对象，如海报等。

2 在相似的照明条件下捕获图像。避免高动态范围的场景(例如，背对太阳有阴影的照片或透过门/窗拍摄的照片)。避免在有光泽的表面上拍摄。

3 捕捉高视觉重叠的图像。确保每个物体至少在3张图片中看到，重叠图片越多越好。

4 围绕同一个物体进行不同的角度捕捉图像，不要只旋转相机从同一位置拍摄图像。同时，尽量从一个相对相似的角度拍摄足够多的图片。注意，更多的图像不一定更好，可能会导致缓慢的重建过程。如果你使用视频作为输入，考虑下采样帧率。

概述

基于图像的三维重建传统上首先使用运动结构(Structure-from-Motion)恢复场景的稀疏表示和输入图像的姿态。这个输出然后作为多视图立体几何（Multi-View Stereo）的输入，以恢复场景的密集表示。

SFM是通过一系列有重叠的且不同视角的图片重建出物体的三维结构（稀疏点云），并且输出相机的内外参数，内参指的是将真实空间的三维点通过内参矩阵转换为相机图片上的二维点，外参包含相机在切换不同视角时的平移和旋转信息。

通常情况下，运动结构系统将这一过程分为三个阶段:

1 特征检测与提取

2 特征匹配和几何验证

3 结构与运动重建

多视图立体几何(MVS)采用SfM的输出来计算图像中每个像素的深度和法向信息。在3D点云中融合多幅图像的深度图和法向图，然后生成场景的密集点云。利用融合点云的深度和法向信息，泊松曲面（Poisson），三角剖分（delaunay）重建等算法可以恢复场景的三维曲面几何。

实施：

COLMAP创建一个新项目必须包含存储数据库的位置以及包含输入图像的文件夹。可以将整个项目设置保存到配置文件中，项目配置文件中保存存储数据库和图像文件夹的绝对路径信息。整个项目的目录结构如下：

第一步：特征检测/提取

特征检测/提取在图像中找到稀疏的特征点，并使用数值描述符（128维向量