三维重建开源代码汇总【保持更新】

最新推荐文章于 2024-08-21 08:34:35 发布
最新推荐文章于 2024-08-21 08:34:35 发布
阅读量2w 收藏 587
点赞数 109
分类专栏： 三维重建 文章标签： 三维重建 人工智能 SFM MVS 多视立体
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/rs_lys/article/details/117172924
版权

三维重建开源代码汇总，不定期更新。

同步到Github仓库：https://github.com/ethan-li-coding/Source-Codes-3DVison

文章目录

SFM

MVS

  • openmvs【1.6k stars】【AGPLv3】【https://github.com/cdcseacave/openMVS】

    一个多视立体重建开源算法库，基于带有位姿信息的图像集，重建高质量的纹理模型，效果非常出色。

    在这里插入图片描述
  • meshroom【6.5k stars】【MPL2 license】【https://github.com/alicevision/meshroom】

    和OpenMVS库一样，也是基于带有位姿信息的图像集，重建高质量的纹理模型，但是效果没有OpenMVS好，速度更快些。带有图形界面，做的很漂亮。

    在这里插入图片描述

SLAM

VSLAM

  • orb-slam2【6.2k stars】【GPLv3 license】【https://github.com/raulmur/ORB_SLAM2】

    非常经典的 单目/双目/RGBD-slam 算法库
  • orb-slam3【2.5k stars】【GPLv3 license】【https://github.com/UZ-SLAMLab/ORB_SLAM3】

    第一个能够用单目、立体和RGB-D相机,使用针孔和鱼眼镜头模型进行视觉、视觉惯性和多地图SLAM的系统。
    单目 slam
    RGBD slam

    • KinectFusion【280+ stars】【MIT License】【https://github.com/chrdiller/KinectFusionLib】

      基于KinectFusion论文实现的一个开源算法，paper：KinectFusion: Real-time dense surface mapping and tracking

    • InfiniTAM∞ v3【680+ stars】【Oxford University Innovation Academic License】【https://github.com/victorprad/InfiniTAM】

      牛津大学团队做的开源多平台实时大尺度深度融合和跟踪，速度很快，在Windows、Linux、Ios、Android上都可以编译运行，而且速度都还可以。

      在这里插入图片描述

    • VoxelHashing【460+ stars】【Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License】【https://github.com/niessner/VoxelHashing】

      基于TSDF体素融合的经典深度融合算法，有CUDA版本，速度很快。

    • ElasticFusion【1.3k stars】【non-commercial use only】【https://github.com/mp3guy/ElasticFusion】

      一个用于RGBD数据的基于Surfel的Fusion算法。适用于室内重建。

      在这里插入图片描述

    • ElasticReconstruction【480+ stars】【MIT license】【https://github.com/qianyizh/ElasticReconstruction】

      一个用于RGBD数据的基于Voxel的Fusion算法。适用于室内重建。

      在这里插入图片描述

    • BundleFusion【1k stars】【non-commercial applications】【https://github.com/niessner/BundleFusion】

      一个实时的全局一致的三维重建算法库，基于TSDF，效果是目前Fusion中最好的。

      在这里插入图片描述

    • badslam【400+ stars】【BSD-3-Clause License】【CVPR2019】【https://github.com/ETH3D/badslam】

      一个基于RGBD数据的实时直接法BA-SLAM算法，适合室外重建，来自苏黎世联邦理工学院（ETH）团队。

      在这里插入图片描述

    • tsdf-fusion 【400+ stars】 【BSD-2-Clause License】【https://github.com/andyzeng/tsdf-fusion】

      一个将多个已配准的深度图融合为TSDF体素的算法，TSDF体素可以用于Marching Cubes网格构建

      在这里插入图片描述

特征匹配

立体匹配

点云拼接

网格构建

点云网格处理

  • pcl【6.3k stars】【BSD License】【https://github.com/PointCloudLibrary/pcl】

    这大概是使用最广泛的点云处理算法库，你可以用它来显示图片、显示点云，它还实现了非常多的点云处理算法，如点云滤波、点云配准、点云分割等，它的官方网站是https://pointclouds.org/。

    在这里插入图片描述
  • OpenMesh【BSD 3 clause license】【https://www.graphics.rwth-aachen.de/software/openmesh/】

    非常经典的一个网格处理库，基于半边数据结构，效率很高，且非常稳定，有很多基础网格算法的实现。

    在这里插入图片描述
  • vcglib【560+ stars】【GPLv3.0 License】【http://vcg.isti.cnr.it/vcglib/】

    和OpenMesh一样的网格处理基础算法库，也很高效和稳定，比较有名的网格处理软件MeshLib就是用的它。

    在这里插入图片描述

纹理映射

  • mvs-texturing【500+ stars】【BSD 3-Clause License】【https://github.com/nmoehrle/mvs-texturing】

    一个用于多视立体重建的纹理映射算法库，OpenMVS、MVE都是使用这个算法来做纹理映射。

    在这里插入图片描述
  • UVAtlas【500+ stars】【MIT License】【https://github.com/microsoft/UVAtlas】

    微软开源的一个自动UV展开算法，UV展开可以用于将网格映射到一张二维UV图上，网格映射的纹理就可以用一张UV图来组织，提高纹理图的利用率。

    在这里插入图片描述

三维渲染

  • potree 【2.3k stars】【FreeBSD Licnese】【https://github.com/potree/potree】

    一个基于WebGL的大型点云渲染工程，很有意思。

    在这里插入图片描述
  • OpenSceneGraph（OSG）【2.2k stars】【 OpenSceneGraph Public License】【https://github.com/openscenegraph/OpenSceneGraph】

    一个非常成熟好用的跨平台三维数据渲染库，渲染包括点云、网格、纹理模型在内的三维数据，适合在大型软件里作为渲染引擎，还可以处理LOD数据。

    在这里插入图片描述
  • Pangolin【1.3k stars】【MIT License】【https://github.com/stevenlovegrove/Pangolin】

    一个轻量级的跨平台三维渲染库，可用于slam相关项目的渲染引擎。
李迎松~
关注
专栏目录
三维重建（含代码）
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。
01-31 3708
三维重建（含代码）一、NRSfM(NonRigid Structure from Motion)二、SfT(Shape from Template)1.Adrien Bartoli团队的工作2.Lourdes Agapito团队的工作3.马普所团队的工作三、基于模型的方法 (Model-based methods)四、其他 原文作者：阿飞 链接：https://www.zhihu.com/question/29885222/answer/1242628310 来源：知乎 上一篇文章大部分回答介绍了对刚体的三
基于Python的三维重建开源代码
07-20
基于Python的三维重建开源代码，包括特征提取，SFM,PMVS以及CMVS等相关功能！
三维重建源代码
02-24
利用bundler实现三维重建的源代码，适合参考学习
TSDF-Fusion 开源项目教程
最新发布
gitblog_00132的博客
08-21 330
TSDF-Fusion 开源项目教程 tsdf-fusionFuse multiple depth frames into a TSDF voxel volume.项目地址:https://gitcode.com/gh_mirrors/ts/tsdf-fusion 1. 项目的目录结构及介绍 TSDF-Fusion 项目的目录结构如下： tsdf-fusion/ ├── data/ │ └─...
meshlab的功能概述
weixin_42605076的博客
05-17 708
MeshLab支持多种三维模型格式的导入和导出，包括PLY、STL、OBJ等常见格式，用户可以方便地将模型从一个格式转换为另一个格式，以满足不同软件和平台的需求。: MeshLab允许用户对三维网格进行各种操作，如平滑、滤波、重建、剖分等。: MeshLab支持点云数据的导入、处理和可视化，用户可以对点云数据进行滤波、采样、拟合等操作，也可以将点云数据转换为三维网格模型进行进一步处理。: 用户可以在网格模型上应用纹理贴图，并进行纹理坐标编辑、纹理重映射等操作，以实现更加逼真的渲染效果。
OpenMVS三维重建开源代码
07-20
OpenMVS三维重建开源代码
三维重建代码
10-20
傅里叶变换积分法-frankotchellapa.m。matlab代码和文献
基于Matlab的三维重建代码
07-20
基于Matlab的三维重建代码,可以作为学习！
三维重建代码合集.zip
05-29
该压缩包中包括9个三维重建的代码，有matlab的也有c++的，其中有几个matlab代码亲测可用，有两个存在小bug，没有调，c++的没有运行，应该没有问题，这些资料可以进行参考，有参考价值，希望能够帮到大家，共同学习。
matlab 三维重建代码
01-24
这是一个matlab工具箱，可以用于对平行处理之后的双目相机的图片进行三维重建，可以得到彩色视差图和3D形状，功能强大，使用方便。
三维重建VisualSFM全部代码
12-22
内含SiftGPU,pba,CMVS-PMVS代码（三维重建的特征点提取与匹配，稀疏重建和密集重建）
基于opencv的三维重建代码
04-10
这是基于opencv编写的三维重建代码，是初学opencv和三维重建的优秀参考资料
三维重建参考代码
09-07
包含代码所需要的离线原图，Q值以及视差数据；基于vs2013新建工程、配置好OpenCV和opengl环境可以直接运行. 并且直接点击原图会显示当前像素点的三维坐标值。就是基于原图纹理的重建效果没法评估。
python三维重建代码_三维重建开源项目汇总
weixin_39631667的博客
12-04 1363
作者：AIRXDate：2020-05-19
三维重建开源项目汇总
ygtu2018的博客
02-24 262
尽管有针对运动结构管道（例如OpenMVG）的成熟而完整的开源项目，这些管道可以从输入的图像集中恢复相机的姿势和稀疏的3D点云，但没有一个解决摄影测量链的最后一部分-流。它由运动结构的基本模块(特征检测/匹配，最小解算)组成，重点是构建一个健壮的、可伸缩的重建管道。该项目是学术界和工业界合作的结果，旨在为尖端算法提供鲁棒性和生产使用所需的质量。该二进制文件解决了管道可能需要的单元任务:场景初始化、特征检测与匹配和运动重建的结构，并将重建的场景导出到其他多视点立体视觉框架中，以计算密集的点云或纹理网格。
基于python的三维重建开源代码怎么找
07-16
### 回答1： 要寻找基于Python的三维重建开源代码，可以通过以下途径进行搜索： 1. 使用搜索引擎：如Google、百度等，输入关键词，如"Python 三维重建 开源代码"，可以获得相关的开源项目、代码仓库或论坛帖子等。 2. 开源代码托管平台：GitHub是一个非常流行的开源代码托管平台，上面拥有大量的开源项目。在GitHub上，可以通过搜索功能来查找与三维重建相关的Python开源项目。输入关键词，如"3D reconstruction"、"3D scanning"等，并限定语言为Python，可以找到相应的项目。 3. 社区、论坛：加入与三维重建相关的技术社区或论坛，例如，Stanford大学计算机视觉实验室的开源社区（https://vision.stanford.edu/opensource/index.html）、OpenCV的官方论坛等。在这些地方可以与同行交流，并获取一些建议、推荐。 4. 参阅相关的论文、教程：在学术搜索引擎（如Google学术）上搜索与三维重建相关的论文，通常这些论文中会提及用到的开源代码。此外，还有一些教程、博客会分享一些基于Python的三维重建代码。 在搜索时，需要关注开源项目的最近更新时间、文档、用户评价等，以便找到适合自己需求的代码库。另外，在使用开源代码时，要注意其许可证要求，确保使用方式符合规范。 ### 回答2： 基于Python的三维重建开源代码可以通过以下几种途径来找到： 1. Python开源社区：Python拥有活跃的开源社区，许多开源项目都会在GitHub等平台上发布。你可以在Python开源社区的网站、论坛或者社交媒体上搜索相关的关键词，比如“Python三维重建”、“Python点云处理”等，找到相关的项目和代码。 2. GitHub搜索：GitHub是一个代码托管平台，其中有大量的开源项目。你可以在GitHub上使用关键词搜索功能，搜索类似于“3D reconstruction”、“point cloud”、“Python”等关键词，找到与三维重建相关的开源项目和代码。 3. 学术论文引用：通过学术论文可以了解到最新的三维重建算法和方法，可以在学术搜索引擎（如Google学术、百度学术）上搜索相关的论文，并查看论文中提到的开源代码和实现方法。 4. 开源工具库：还有一些专门用于三维重建的开源工具库，比如Open3D、PyntCloud、PyMesh等，它们提供了丰富的三维重建和点云处理功能，可以在它们的官方网站或者GitHub上找到相应的代码和文档。 总之，通过Python开源社区、GitHub、学术论文引用和开源工具库等方式，你可以找到大量基于Python的三维重建开源代码和项目，可以根据自己的需求选择适合自己的代码并进行使用和学习。 ### 回答3： 想要找到基于Python的三维重建开源代码，可以进行以下几个步骤： 1. 在代码托管平台上搜索：像GitHub、GitLab、Bitbucket这样的平台是程序员分享和托管代码的地方。登录这些平台，使用搜索功能，输入关键词如“3D reconstruction”，“Python”，“open-source”，可以找到相关的仓库和项目。 2. 使用搜索引擎：在搜索引擎中输入关键词，如“Python 3D reconstruction open source”，会得到很多相关的链接和资源。可以结合阅读相关文档和使用GitHub等平台进行深入了解和选择。 3. 参考学术论文和研究：对于三维重建领域的研究论文，往往会提供相关的源代码或引用开源项目。通过查找相关论文，并阅读其中的参考文献，可以找到适合自己需求的开源代码。 4. 参与社区和论坛：加入Python开发者社区和相关领域的论坛，与其他开发者沟通交流，并向他们咨询或寻求建议。其中一些论坛上常常有人提供了三维重建的开源实现代码。 5. 审查软件和工具的功能：在找到一些候选代码后，要仔细审查其功能是否满足自己的需求。检查文档中是否提供了示例和教程，了解其使用和扩展的潜力。 总之，通过在代码托管平台、搜索引擎、学术论文、社区论坛等渠道进行综合搜索和调研，可以找到基于Python的三维重建开源代码，并根据自己的需求和技术背景选择合适的代码库。
评论 41
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
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