三维重建流程

基于MVS的三维重建技术流程包括以下步骤：数据采集，稀疏重建，深度图估计和稠密重建；

稀疏重建

稀疏重建的基本流程如下图所示，最终得到场景中的相机姿态和表示场景结构的稀疏点云；

我们主要利用SfM进行稀疏重建

SfM，(Structure From Motion，从运动中恢复结构)，是一种从一组不同视角下拍摄的无序或有序影像中，同时恢复场景三维结构和相机姿态的技术。

增量式SfM选择无序影像进行特征匹配，并进行几何纠正、三角测量恢复稀疏点云结构，通过已有点云重新估计相对姿态，再进行局部和全局的BA优化。之后逐步向已有的结构中增加视角或影像，进行三角测量和姿态估计，再进行BA优化修正结构数据，最后输出全部的相机参数和稀疏三维点云。

colmap GUI使用

输入

工程结构如下图所示：

File > New project，选择数据库文件和图像文件夹

处理

1.特征提取

processing - Feature Extraction

只需要将相机模型选择为“Pinhole”模型即可，其他参数默认可以不变。一般我们采集的影像是携带有EXIF文件的，所以这里，需要选上“Parameters from EXIF”，意思是从EXIF中提取相机内参数。之后点击“Extract”即可进行特征提取.

2.特征匹配

processing -> Feature Matching，选择默认的参数，然后点击“Run”

3. 增量式重建

reconstruction - > start reconstruction

增量式重建是个逐渐增加视角，并进行迭代优化重投影误差的过程。目的是计算不同视图的相机参数、得到场景的稀疏点云和确定不同视图与点云之间的可视关系。整个过程将会自动进行增量式重建，我们可以从旁边的log框内查询当前状态。

结束后，就可以获得目标场景稀疏点云和各个视角的相机姿态

输出

COLMAP 使用二进制文件格式（扩展名为.bin，机器可读、速度快）来存储稀疏模型。此外，COLMAP 提供了将稀疏模型存储为文本文件（扩展名为.txt，人类可读、慢）的选项。

在这两种情况下，信息都被分成三个文件，分别是关于相机、 图像和点的信息。包含这三个文件的任何目录构成一个稀疏模型。

File > Export model 和 File > Export model as text可以分别导出bin和txt文件

可以用File > Import model导入模型

colmap 命令行

特征提取

colmap feature_extractor --database_path p2/database.db --image_path p2/images

特征匹配

colmap exhaustive_matcher --database_path p2/database.db --SiftMatching.max_num_matches 5768

设置max_num_matches，防止超出显存

建稀疏图

mkdir p2/sparse

colmap mapper --database_path p2/database.db --image_path p2/images --output_path p2/sparse

https://zhuanlan.zhihu.com/p/184978050
https://blog.csdn.net/X_kh_2001/article/details/82591978#t9
https://colmap.github.io/install.html