COLMAP学习使用笔记

基于Python脚本的database创建

可用于构建带有已知的相机内外参数的database，而不需要在gui界面手动修改参数，具体参考COLMAP官方文档。

由上述文档知，除了使用GUI界面，可以使用 COLMAP build 版本中的colmap\scripts\python\database.py手动创建database文件。

使用时注意，database.py文件中给出了example_usage()函数作为使用示范，可以自行从外部添加图像、相机特征点、匹配点、等信息。
使用方法为：

python database.py --database_path $PROJECT_PATH/database.db

注意：

1. 一般不直接修改已有的.db文件，这很可能会使database出错；
2. 想要保留下程序运行生成的.db文件，需要将函数example_usage()末尾的remove操作删除，否则最后不会保存数据库文件。

    '''
    # 注释掉才可以保存
    if os.path.exists(args.database_path):
        os.remove(args.database_path)
    '''

---

在重建过程中添加已知相机参数的两种方法：

1. 初始化方法：最简单的方法是根据已有的相机内外参数创建新的database.db数据库文件（只使用add_camera、add_image，不添加keypoint、match等信息），而后可以从头开始 feature extraction, feature matching, reconstruction 等重建过程。
2. 中间插入模型的方法：先进行feature_extractor、exhaustive_matcher获取一个无参的database.db（这也可以通过automatic reconstruction实现）；之后，自行添加已知的相机参数文件images.txt, cameras.txt, 以及空的point3d.txt，使用point_triangulator获取三角化后的模型和稀疏的点云（如果上一步是通过automatic_reconstructor实现的，则对输出的model文件全部舍弃，只是保留并利用特征match后的database.db）；而后依次进行 image_undistorter、patchmatch_stereo、stereo_fusion 即可获得稠密重建结果。

注意：

1. 使用第1种方法可以自行定义图像和相机的id，而如果用第2种方法，则需要先查看已有database.db文件中图像id与相机id的匹配关系（一般是较为随机的），按照该关系创建cameras.txt、images.txt，否则会报错（可参考Point triangulator error: Check failed: existing_image.Name() == image.second.Name()）。

参考链接：https://colmap.github.io/faq.html#reconstruct-sparse-dense-model-from-known-camera-poses