colmap词袋匹配重建

最新推荐文章于 2024-06-08 11:11:07 发布

温柔且坚定的瓜瓜

最新推荐文章于 2024-06-08 11:11:07 发布

阅读量1.3k

点赞数 2

分类专栏：大规模SfM 文章标签：计算机视觉

本文链接：https://blog.csdn.net/m0_51962318/article/details/109303509

版权

本文介绍了如何使用COLMAP进行词袋匹配重建，包括基本使用方法，如设置项目路径，进行特征匹配，利用词袋检索和匹配，然后进行稀疏重建并最终实现可视化，展示了3D重建的结果。

摘要由CSDN通过智能技术生成

基本使用方法

colmap的命令行命令

指定项目路径

项目目录下必须包含images文件夹，images文件夹下保存需要重建的图像数据

/path/to/project/...
+── images
│   +── image1.jpg
│   +── image2.jpg
│   +── ...
│   +── imageN.jpg

指定PROJECT_PATH路径

$ PROJECT_PATH=/path/to/dataset

特征匹配

$ colmap feature_extractor \
   --database_path $PROJECT_PATH/database.db \
   --image_path $PROJECT_PATH/images

词袋检索

下载官方训练好的数据集
Vocabulary Trees

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

温柔且坚定的瓜瓜

关注关注

2
点赞
踩
2

收藏

觉得还不错? 一键收藏
5
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

colmap-特征匹配、稠密重建

sdw8855的博客

09-25

1400

但是它也会有其他的问题，比如在拍摄开始和拍摄结束，都拍摄的同一个物体，但由于误差累计，可能会重建出两个一模一样的（只是会有些偏差）。选择输出文件夹后，按顺序undistortion对每个图像去畸，Stereo（这一步耗时很长）三角测量计算每个像素的深度，Fusion将所有点云融合，这就可以得到稠密的点云了，MVS的内容也就结束了。但在实际操作过程中发现很多时候这种方式耗时长而且效果也不好，尤其是当场景很相似时会集中在一团，例如建筑的四个面都很像，这时匹配后会认为只拍到了一个面，其他三面都重建不出来。

Colmap进行稀疏重建、稠密重建

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。

02-03

1024

Colmap进行稀疏重建以及稠密重建

5 条评论您还未登录，请先登录后发表或查看评论

ns-process-data 调用colmap进行词袋匹配时的一个ERROR

atomexplore的博客

10-11

221

跑nerfstudio项目时，用ns-process-data来处理我的数据时候，报了错。查下去是colmap的命令报错了，找了半天错误，最后发现是vocab_tree.fbow损坏了。词袋库文件vocab_tree.fbow完整大小是14.52MB，到/home/usr/.local/share/nerfstudio/路径下把vocab_tree.fbow删了重新执行命令即可。

Colmap学习二：前端部分（特征点提取、匹配与剔除）

今天写代码了吗

05-18

7313

1 Colmap特征提取和描述 colmap一般使用sift-gpu，涉及的知识： 1.1 图像金字塔：DOG图像金字塔，再找极值 1.2 SIFT特征检测与描述：确定主方向和128维的描述子，再归一化(消除光照的影响)。其中由于Euclidean distance 容易受较大值的影响，使用 Hellinger distance更稳定。colmap先对sift的结果进行L1 normalize，再对每一个元素求平方根，得到的结果便是L2 normalized。在论文中给出了使用RootSIFT匹配的结果优

colmap 三维重建

04-20

三维重建效果很好的开源软件，超过visualSFM的效果，不限制图片数量

Colmap 实用教程 —— Command-line Interface

死亡叹息的博客

11-22

4895

Colmap 命令行介绍

COLMAP简明教程重建转化深度图导出相机参数导入相机参数命令行

BigYouYou

11-17

1万+

COLMAP简明教程导入指定参数命令行导出深度图

重建我的3D世界【代码开源】【连载-3】【Colmap和OpenMVG对比】

闲情逸致~

06-25

7710

在重建我的3D世界系列的第二篇，我提到关于SFM部分是选择Colmap还是OpenMVG的问题，并决定实践出真知。Colmap官网就提供了带有界面的测试程序，用起来很方便，我下载了3.6版本，而OpenMVG则可以较为容易的编译，它不提供带界面程序，有控制台程序可以测试。一起来看看测试结果吧！

三维匹配_多视图几何三维重建实战系列之COLMAP

weixin_39916520的博客

11-03

840

作者：浩南来源：公众号 @3D视觉工坊链接：多视图几何三维重建实战系列之COLMAP 为了方便大家了解基于多视图立体的三维重建技术，更重要的是能亲手利用开源数据集或者自己采集的影像跑一遍流程，进而对整个流程更为熟悉，本文整理了近年来几种经典的基于传统方法和基于深度学习方法的三维重建技术Pipeline，并详细介绍从多视图影像到深度图估计，再到恢复三维点云的整个过程。因为三维重建原理复杂，且各种软件...

Colmap 实用教程 —— 整体介绍

死亡叹息的博客

11-23

7614

Colmap 实用教程

colmap大场景稀疏重建记录:部分照片畸变导致sfm生成的稀疏点云扭曲

最新发布

m0_74310646的博客

06-08

858

而不是所有文件夹使用同一个相机模型)，然后特征匹配，这里可以使用前面重建上下环绕视角的时候得到的database.db文件，里面存储了之前的特征提取和匹配的数值，这样可以更快一点。从拍摄的照片来看，虽然是对着楼宇上下拍摄，但是无人机的镜头并没有调正，很多照片全是偏向于俯视，头大尾小，虽然这样不影响重建效果，但是处理这些必然是要花费更多时间，相比于端正拍摄的镜头来说。，这个指向已有的稀疏点云，也就是前面重建的上下环绕视角点云，这样，在这个正确点云的基础上，重建剩余全部视角，得到修正的全局稀疏点云。

ORB-SLAM2源码逐行解析系列（十三）：ORB-SLAM2特征匹配之基于词袋的特征匹配

LDST_CSDN的博客

05-16

775

词袋（Bag of Words, BoW）最早用于自然语言领域，其中Words表示文本中的单词。在视觉SLAM中，Words表示图像中的局部信息，如特征点。需要注意是的，在词袋中的单词是没有顺序的，只关心单词出现的次数。这样既简化了词袋模型的表达方式，又节省了存储空间，可实现高效索引。词袋模型的使用 **注意：**在实际使用时，如无特殊要求，通常使用已训练好的字典，调用第三方库加载字典，将特征点转换为特征向量和词袋向量，无需手动实现这一操作。

增量式sfm复现实践——成果展示、易错问题总结及体会

zeeq的博客

12-12

3866

理论学习+编程实战，三个月的时间，算是把增量式sfm（在我们领域也叫空三）给复现了出来。先上成果图，然后简要说一些复现sfm过程中需要注意的点，最后谈谈自己的心得体会。 1 成果展示 Fig.1 用于重建的20张无人机拍摄的图像 Fig.2 增量式sfm重建出来的稀疏点云 Fig.3 按高程赋色的稀疏点云 Fig.4 BA后的20张图像位姿（仅显示出空间位置xyz）照片拍摄时，无人机是从图像001一直拍摄到020的，与gps给出的位姿数据进行对比，其空间位置基本上是在一条直线

colmap 顺序匹配

m0_47677188的博客

06-02

1905

colmap源码解读—Sequential matchmatch.cc参数分析：新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 match.cc 在matching.cc中，类SequentialFeatureMatche

Windows10下Colmap的安装与调试、三维重建实践及中间结果输出

LXLng的博客

10-29

5943

Windows10下Colmap的安装与调试、三维重建实践及中间结果输出提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录Windows10下Colmap的安装与调试、三维重建实践及中间结果输出前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考

三维重建_COLMAP安装、使用和参数说明（翻译自官方文档）

热门推荐

一步一脚印

09-26

4万+

近期因为想要入选学校某位很厉害的老师的某个项目，布置的小任务就是先把colmap以及openMVS跑一跑。我就记录了一下学习的经过。一、Ubuntu上源码编译colmap：参考网址：https://colmap.github.io/install.html 1、获取源码： git clone https://githu...

COLMAP的下载和使用

☜lgl☞

11-15

1万+

COLMAP的下载和使用 1、下载COLMAP COLMAP下载地址：Download colmap… 选择适合个人电脑的COLMAP进行下载： 2、运行COLMAP 解压下载好的压缩文件：双击批处理文件COLMAP.bat即可运行COLMAP！注意：如果双击COLMAP.bat后，运行报错！则可能的原因有： 1、下载的COLMAP版本与当前电脑不兼容。解决方法：下载其他版本的COLMAP！（最好多试几个，直到能成功运行。） 2、电脑没有安装有cuda。解决方法：下载不需要cuda的COLM

colmap如何进行三维重建？

05-22

COLMAP是一个基于图像的三维重建软件，可以通过一系列图像进行三维重建。下面是COLMAP的三维重建流程： 1. 图像导入：首先需要将需要重建的图像导入到COLMAP中。 2. 特征提取：COLMAP会自动提取图像的特征点并计算其描述子。这些特征点可以用于匹配不同图像之间的对应点。 3. 图像匹配：通过计算特征点之间的相似性，COLMAP可以找到两个或多个图像之间的对应点。这些对应点可以用于建立不同图像之间的关系。 4. 建立初始重建：通过对图像之间的对应点进行三角测量，可以确定一些初始的三维点云。 5. 图像对准：COLMAP可以对图像进行相机姿态估计和图像对准，以保证重建的准确性。 6. 稠密重建：COLMAP可以通过稠密重建算法，将初始重建中的三维点云进行优化，得到更加准确的三维点云模型。 7. 点云后处理：进行点云的滤波、分割、重构等后处理操作，可以得到更加完整和准确的三维重建结果。总之，COLMAP实现三维重建的流程包括图像导入、特征提取、图像匹配、建立初始重建、图像对准、稠密重建和点云后处理等多个步骤，每个步骤都需要合理设置参数和选择算法，才能得到高质量的三维重建结果。