三维重建学习记录之软件比较（VisualSFM，Bundle）

VisualSFM:

整合了特征提取、图像匹配、稀疏点云重建、稠密重建（需要单独下载CMVS/PMVS）的软件。

软件框架：
1.利用SIFT算法计算图片每个像素点的特征
2.用SFM对多张图片像素做匹配对应，通过上步得到的特征，从而估计相机参数，得到稀疏的3D信息
3.进行稀疏重建
4.外部下载CMVS/PMVS进行稠密重建，得到点云

PMVS/CMVS

用SFM的输出作为输入，利用稀疏的特征点云、图像和对应的相机位姿来重建稠密点云。（PMVS指的是将大的点云合理地分割、重建、拼接的过程）

Meshlab

点云、网格显示和处理软件，内置了很多3D重建算法，能够进行基于点云的网格重建、简化等)

软件框架
1.泊松表面重建
2.消除多余表面
3.参数化以及纹理投影

—————————————————————————————————

Bundle（稀疏重建工具）

得到较为稀疏的点云数据(.ply)

1.外部下载siftDemoV4——特征检测器 (特征值检测可以用任意算法，但是由于Bundler设计时是围绕SIFT展开的，所以建议使用SIFT)——产生特征点和图片集的成对特征点的匹配
2.由1得到的数据，用Bundler_SFM进行稀疏重建
3.外部下载CMVS/PMVS进行稠密重建，得到稠密点云

VisualSFM与Bundle重建流程对比

	VisualSFM	Bundle
算法（框架）	SIFT（特征提取+图像匹配），SFM（稀疏点云重建）	SFM（稀疏点云重建）
配合使用工具（用途）	CMVS/PMVS(稠密重建)	siftDemoV4（特征检测器），CMVS/PMVS(稠密重建)
原始输入	一系列无序图片	特征点及成对特征点的匹配
输出	稠密点云	稀疏点云
操作方便程度	简洁	繁琐
点云效果	较好	较差