对于Colmap的三个文件讲解

最新推荐文章于 2024-03-20 15:23:57 发布

行码阁119

最新推荐文章于 2024-03-20 15:23:57 发布

阅读量1.6k

点赞数

分类专栏：点云配准文章标签：人工智能

本文链接：https://blog.csdn.net/qq_40214464/article/details/126881400

版权

点云配准专栏收录该内容

9 篇文章 17 订阅

订阅专栏

当使用Colmap进行稀疏重建时，会生成一下三个文件。

依次对每个文件进行介绍：

1、points3D.txt

# 3D point list with one line of data per point:
#   POINT3D_ID, X, Y, Z, R, G, B, ERROR, TRACK[] as (IMAGE_ID, POINT2D_IDX)
# Number of points: 750, mean track length: 2.9506666666666668
1 2.4828681030642312 -5.0682527653218825 29.777528391988987 99 117 90 0.28006835886839493 1 85 3 58 2 64
393 -5.1319171487367123 2.8186788299391412 15.199595828661161 162 158 157 0.82049755044180017 1 2109 3 4269 2 4818

POINT3D_ID:三维点的id (二维点可以根据此id找到图片对应的三维点)

X, Y, Z:三维点坐标

R, G, B：三维点颜色信息

ERROR：投影误差（基于像素）

TRACK[] as (IMAGE_ID, POINT2D_IDX)：对应images.txt里的图像id,以及每张图你对应特征点的id。比如说上面：1 85 3 58 2 64，意思是图片ID为1的对应images.txt里面的第85个点，ID为3的对应images.txt里面的第58个点，ID为2的对应images.txt里面的第64个点，这三个点是对应三张图的特征点，这三个点都映射到这个三维点。

看上图黑色是二维图片的数据，通过代码遍历出来，，第一列是对应点的ID ，第二列，第三列对应的是图像二维坐标，第四列对应的是三维点的ID。白色部分是points3D.txt里的数据，通过对比，查看白色倒数第二行数据，发现750对应的图片ID为1的二维点ID为11012，刚好对应上，那么此时二维点（4282.31 2555.35）对应的三维点是（4.4189599276293423 4.2638932551533149 16.150506265050332 ）。

2、images.txt

# Image list with two lines of data per image:
# IMAGE_ID, QW, QX, QY, QZ, TX, TY, TZ, CAMERA_ID, NAME
# POINTS2D[] as (X, Y, POINT3D_ID)

IMAGE_ID：图像ID

QW, QX, QY, QZ：四元素

TX, TY, TZ：平移向量

CAMERA_ID：相机的ID

NAME：图片的名字

四元素转换为旋转矩阵课参考：(3条消息) Cesium中的相机—四元素_云上飞47636962的博客-CSDN博客

3.cameras.txt

# Camera list with one line of data per camera:
# CAMERA_ID, MODEL, WIDTH, HEIGHT, PARAMS[]
# Number of cameras: 1
1 PINHOLE 5472 3078 3606.6260092760231 3554.1046035895465 2736 1539

CAMERA_ID:相机ID

MODEL：相机名字

WIDTH：图像宽度

HEIGHT：图像高度

PARAMS[]：对应相机内参依次：(fx=fy),cx,cy;