3DGS学习（五）—— sfm初始化点云

sfm初始化点云

此部分不是3dgs主要的算法改进部分，只是通过sfm算法处理图片并初始化点云，进行后续操作。
推荐学习文章：如何从零开始实现一个SFM

sfm算法简要流程

1. 特征提取：首先从输入的多个图像中提取出特征点，通常使用SIFT、SURF等算法来检测关键点并计算它们的描述子。

2. 特征匹配：对于不同图像之间的特征点，通过匹配它们的描述子来找到对应的点对，建立两两图像之间的对应关系。

3. 三角化：对于至少两幅图像中共享的特征点，利用它们的像素坐标和相机参数，通过三角化算法计算出对应的三维点坐标。

4. 运动估计：通过对匹配的特征点进行运动估计，推断出相机的运动轨迹，即相机的位姿随时间的变化。

5. 结构恢复：同时根据三角化得到的三维点和相机的运动轨迹，恢复出整个场景的三维结构，得到场景中的物体位置和形状信息。

主要工具

可以直接用开源软件COLMAP直接使用sfm算法生成3d结果。