PatchmatchNet： 重建自己的数据集 详细教程（用 colmap制作自己的数据集：计算位姿，将位姿转为MVS需要的格式）

已于 2023-08-27 21:57:07 修改
阅读量819 收藏 12
点赞数 1
分类专栏： 传统/深度三维重建MVS系列 文章标签： 人工智能 python 计算机视觉 PatchmatchNet 用 colmap数据集
于 2022-10-20 20:04:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51233386/article/details/127422041
版权
本文详述如何利用Colmap进行图像位姿计算和稀疏点云重建，接着将Colmap的结果转换为MVS所需的格式，最后通过PatchmatchNet实现稠密重建。步骤包括配置环境、图像采集、特征提取与匹配、位姿计算、数据转换及PatchmatchNet的使用。此外，还分享了Meshlab查看三维点云的技巧。
摘要由CSDN通过智能技术生成

1 配置环境

MVSNet、PatchMatchNet环境配置

进入mvs 环境：source activate mvs

2. 用 colmap制作自己的数据集

2.1 采集图片

在这里插入图片描述

2.2 安装colmap

使用colmap计算位姿，也可以使用别的比如OpenMVG,Slam这些需要自己写转换脚本参考
colmap_input.py。

下载：https://github.com/colmap/colmap/releases

我们直接使用Windows下编译好的可执行exe:COLMAP-3.7-windows-no-cuda.zip

如果有gpu ，可下载gpu版本的
在这里插入图片描述
有时候网址打不开，可以用我下载好的了
Windows下编译好的可执行exe:COLMAP-3.7-wi

了解本专栏 订阅专栏 解锁全文 超级会员免费看
R-G-B
关注
  • 1
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 5
    评论
专栏目录
订阅专栏
OpenMVS ：用 colmap制作自己的数据集 重建（用colmap计算位姿，将位姿转为MVS需要的格式）
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
11-17 1642
数据集制作主要是在windows进行，比较方便。
PatchmatchNet: colmap制作自己的数据集文件下载
08-27
PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） PatchmatchNet:colmap制作自己的数据集文件下载 （适用于PatchmatchNet） colmap制作自己的数据集文件下载 （适用于PatchmatchNet） colmap制作自己的数据集文件下载 （适用于PatchmatchNet） colmap制作自己的数据集文件下载 （适用于PatchmatchN
COLMAP生成MVSNet数据集
qq_43307074的博客
11-28 4022
COLMAP生成MVSNet数据集
PatchmatchNet：一种高效multi-view stereo框架 (CVPR2021 Oral)
3D视觉工坊
05-13 4091
作者丨王方锦华@知乎来源丨https://zhuanlan.zhihu.com/p/354439127编辑丨3D视觉工坊给大家介绍一下我们之前关于multi-view stereo的工作。...
PatchmatchNet
qq_44708206的博客
02-15 725
学习了PatchmatchNet，一种新的基于学习的Patchmatch级联公式，增强了基于深度特征的学习自适应传播和评估模块
PatchmatchNet理解与学习
跨专业视觉研究生FW一个~
11-17 2021
现有的基于深度学习的MVS网络，多为基于3D代价体，此方法根据Plane sweeping算法，首先在参考相机视锥空间划分相应的深度假设平面，因此面要想实现精细的重建效果，则深度假设平面也需相应的增加，由此导致内存消耗和运行时间增加，难以运用于高分辨率场景。本文首次将patchmatch算法用于基于深度学习的多视图立体领域，与基于3D代价体正则化的方式相比，文中提出的方法显存消耗更小，运行时间更短。
OpenMVS ：用 colmap制作自己的数据集 文件下载 sparse,scene.mvs
08-27
OpenMVS ：用 colmap制作自己的数据集 文件下载 sparse,scene.mvs OpenMVS ：用 colmap制作自己的数据集 文件下载 sparse,scene.mvs OpenMVS ：用 colmap制作自己的数据集 文件下载 sparse,scene.mvsOpenMVS ：用 ...
基于无人机航拍数据实现的三维场景重建python源代码+项目说明+无人机数据集+部分结果
01-13
基于无人机航拍数据的三维场景重建python源代码+项目说明+无人机数据集+部分结果 部分三维重建的结果如results所示 数据集建设 1.需要获得地面的多角度图片 2.然后利用colmap估计位姿（作为模型训练中的一个基准） 3...
手机拍摄构建物体数据集+NeRF进行三维重建算法源码+项目说明.zip
最新发布
04-12
手机拍摄构建物体数据集+NeRF进行三维重建算法源码+项目说明.zip 手机拍摄构建物体数据集+NeRF进行三维重建算法源码+项目说明.zip 手机拍摄构建物体数据集+NeRF进行三维重建算法源码+项目说明.zip 手机拍摄构建物体...
三维重建数据集(俯视视角)
06-03
【三维重建数据集(俯视视角)】 三维重建是一种计算机视觉技术，旨在通过二维图像或多个视角的图像恢复出三维物体或场景的几何结构。在本数据集中，我们聚焦于俯视视角下的三维重建，这在诸多应用领域，如地理信息...
【踩坑记录】colmap中的相机位姿的坐标系定义及其可视化结果的隐含转换
热门推荐
zeeq的博客
05-06 1万+
1 坐标系定义及转换   首先介绍一下世界坐标系和相机坐标系之间的转换，它们之间是存在一个转换关系的。现假设空间中一点X，它在相机坐标系下的坐标是Xcamera，在世界坐标系下的坐标是Xworld。假设它通过R和t实现从相机坐标系到世界坐标系之间的转换： Xworld = RXcamera + t   那么，由上式，我们可以推得从世界坐标系向相机坐标系的转换关系（RT=R-1，所以通常直接使用RT即可）： Xcamera = RTXworld - RTt   所以，两个坐标系之间的转换，需要看其具体
【三维重建-PatchMatchNet学习笔记】
m0_46256255的博客
10-24 1193
（2）从Depths_raw文件夹中读取深度可视化png图（宽160x高128）参考图ref和所有src（共6张彩色图），从Depths_raw文件夹中读取深度pfm图（宽160x高128）参考图ref和所有src（共6张彩色图），这两个图的ID跟参考图ID一样从0-48，故不需要加1。基于学习的方法比传统的方法有优势，但是受限于内存和运行时间，于是将补丁匹配的想法引入到端到端可训练的深度学习中，用可学习的自适应模块增强了补丁匹配的传统传播和代价评估步骤，减少了内存消耗和运行时间。1、图片的尺寸变大了；
Patchmatchnet自己数据集进行训练
weixin_58663121的博客
10-25 880
Patchmatchnet自己数据集训练讲解
基于深度学习的三维重建（一）：三维重建简介、patchmatchNet环境部署、用colmap如何测试自己的数据集
qq_41694024的博客
02-14 9140
三维重建简介、patchmatchNet环境部署、用colmap如何测试自己的数据集
基于深度学习的三维重建网络PatchMatchNet（三）：如何利用patchmatchnet完成自己场景的数据集制作与利用自己的数据完成三维重建工作
qq_41694024的博客
05-09 1033
如何利用patchmatchnet完成自己场景的数据集制作与利用自己的数据完成三维重建工作
基于Patachmatch的stereo matching笔记（三）：《PatchmatchNet》
weixin_44762713的博客
08-28 865
PatchmatchNet 论文：PatchmatchNet: Learned Multi-View Patchmatch Stereo（2020） 1.Introduction 出发点： 由于 3D CNN 通常耗费时间和内存，因此一些方法在特征提取期间对输入进行下采样，并以低分辨率计算成本量和深度图。然而，以低分辨率提供深度图会损害准确性。 主要工作： 提出了 PatchmatchNet，将patchmatch的算法思想结合到cascade当中，旨在减少高分辨率多视图立体的内存消耗和运行时间 casc
MVS论文阅读笔记[PatchmatchNet: Learned Multi-View Patchmatch Stereo]
Jade的博客
12-23 5153
摘要： 我们提出了一个新颖的，可学习的patchmatch 来实现高分辨率的MVS。由于有内存和性能的限制，相比与使用规则的3D代价体，patchMatch可以处理高分辨率的图像，更适合资源有限制的设备。我们第一次介绍在端对端训练结构中实现一个多尺度迭代，每次迭代中patchmatch的核心算法是通过一个新颖的，可学习的自适应传播和评估方案实现的。性能比现有的最好的mvs方案快至少2.5倍，内存占用少2倍。 1.介绍 MVS是利用已知位姿的图片，对观察到的场景进行几何重建。虽然作为一个基础问...
【论文简述】PatchmatchNet: Learned Multi-View Patchmatch Stereo（CVPR 2021）
qq_43307074的博客
12-19 792
【论文简述】PatchmatchNet: Learned Multi-View Patchmatch Stereo（CVPR 2021）
【论文精读10】MVSNet系列论文详解-PatchmatchNet
Liverwhles
12-12 1780
这篇的难度需要有一些知识积累哦🧐
制作nerf合成数据集的步骤详解
"该资源主要涉及制作Nerf合成数据集的步骤，包括使用Instant-NGP估计数据格式，通过RealFusion获取RGBA图像，图像风格化处理，以及原始图像的重命名操作。" 在计算机视觉领域，NeRF（神经辐射场）是一种用于三维...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

R-G-B

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值