【踩坑记录】colmap中的相机位姿的坐标系定义及其可视化结果的隐含转换

已于 2023-08-21 16:53:24 修改
阅读量2.3w 收藏 158
点赞数 51
分类专栏： SfM colmap 文章标签： 计算机视觉 colmap
于 2022-05-06 11:19:11 首次发布
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/weixin_44120025/article/details/124604229
版权

  这个问题来自于我想要使用colmap的稀疏重建结果，然后发现由于相机坐标系的定义没弄清楚，导致我获取的结果存在问题。
  

1 问题引出

  下面先从我们还不知道坐标系定义的视角开始理解，引出问题所在。使用的是一份无人机影像数据，共有59张影像：
在这里插入图片描述
  下图是colmap输出的稀疏重建结果，没有什么问题，与实际飞行情况也是相符合的：
在这里插入图片描述
  下图是导出的txt格式的重建结果中的images.txt文件，根据格式说明，其中IMAGE_ID这行的倒数第三个数据是相机的Z坐标，比如图像1为0.365289，图像2为-0.0520487。
在这里插入图片描述
  现在，我们将所有

了解本专栏 订阅专栏 解锁全文 超级会员免费看
可视化pose colmap相机内参外参
jacke121的专栏
02-01 687
可视化相机pose colmap形式的相机内参外参
计算机视觉 了解OpenCV、COLMAP、PyTorch3D 和 OpenGL 中坐标系3D转换的简要指南
学以致用 知行合一
03-04 1415
由于坐标系不同，在和等 3D 框架的世界中进行转换可能会令人觉得头疼。这里比较它们的坐标系并提供它们之间转换的工具。核心还是找到在这些不同的 3D 环境中无缝工作所需的知识，让我们以清晰直接的方式探索和理解这些坐标系。2D 成像与 3D 建模之间的差距需要对坐标系的扎实掌握，坐标系为三维环境中的对象定向提供了结构框架。这些轴相交的原点是锚定所有空间测量的关键参考。在 OpenCV、COLMAP、PyTorch3D 和 OpenGL 等各种框架中正确对齐对象取决于这些轴的方向。
python图像处理相机姿态估计
05-26
1.查阅学习了pca主成分分析和svd矩阵奇异值分解的原理； 2.打印棋盘纸用GML软件对相机进行了标定； 3.利用标定好的相机矩阵结合前面所学的sift算法和rasic算法对相机的姿态进行估计。
colmap生成的点云文件和相机位姿文件可视化
m0_57716708的博客
12-13 1247
然后读取点云文件并将创建相机视锥体将点云和相机同时可视化进行观察。首先读取colmap生成的相机位姿文件images.txt。path = "生成的colmap文件位置"ply_path = "点云文件位置"
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 详解
最新发布
m0_63932801的博客
03-06 1227
发现一篇文章只有代码 gpt解释一下 留个笔记。
Colmap学习一：基础知识（坐标系、相机模型、整体框架）
今天写代码了吗
05-18 9375
colmap坐标系： a. 左上角坐标是（0.5，0.5）为了双线性插值 b. 坐标系方向xyz分别是红绿蓝、右下前 c. colmap的pose是word2camera的，与slam常用的传感器sensor2world不同： – 点P，camera为Pc,则：Pc = RP+t – 而对于camera2world: P = RPc + C, C = -(R转置)t d. world坐标系的原点是在第一帧，但未必是(0,0,0)，由于BA的优化有偏差 相对坐标是后一帧相对前一帧的坐标，绝对坐标是相
关于相机位姿的可视化
Nismilesucc的学习札记
06-18 3620
如果使用Matlab的工具箱，有一个集成的可视化工具可以直接使用。 ---- videoCamera Calibration and 3D ReconstructionCamera calibration With OpenCVOpenCV 可视化（Viz）——相机位姿cv::viz::Viz3d Class Reference ---- OpenCV官网OpenCV-Python系列之姿态估计基于头部姿态角变换的活体检测How to plot the camera and image positions
colmap笔记：将模型和影像位姿转换到GPS坐标系下
weixin_44153180的博客
12-12 3794
在 COLMAP 中使用 GPS 信息作为先验，可以帮助提高重建的精度和效率，特别是在处理大范围或大尺度的场景时。GPS 信息通常被用来约束相机的位置，使重建过程更加准确。GPS 数据通常以 EXIF 元数据的形式存储在 JPEG 图像中，包含 GPS 坐标（经度、纬度、高度）。如果图像含有 EXIF 数据，COLMAP 会自动识别并读取这些信息。但在稀疏重建阶段，COLMAP 主要关注于图像之间的相对位置和方向，以及场景中3D点的相对位置。
可视化 相机pose或者 pose视锥
baidu_40840693的博客
12-22 1607
可视化 相机pose 或者 pose视锥
【代码相关-PCL】点云与图像位姿的可视化
weixin_43768222的博客
05-19 1663
目录1、需求2、思路二级目录三级目录 1、需求 在做三维重建过程中，自己求得了点云和位姿，想把它们都显示出来。 首先，想到的当然是类似与visualSFM、COLMAP这类开源的三维重建算法库。 可是需要自己实现时，该怎么做？这篇博文将会分享怎么做。 2、思路 假设：已经得到统一坐标系下的点云和位姿 输出：如下图，显示多个图像位姿以及点云 **方法**：先添加点云，再考虑需要绘制图像位姿。下面是思路：每个图像位姿都是一个样子，只需要对第一个进行转换就可以。绘制图像位姿，主要就是一个平面和八根线段，八
【colmap数据格式转换】关于colmap稀疏重建结果的数据格式和数据库内容的一些笔记
zeeq的博客
04-25 5563
  由于实验需要，最近几天在数据转换过程中深入了解了colmap稀疏重建结果的存储细节。针对数据转换，colmap官方有给出了一些转换示例的脚本代码，包括matlab、python等语言，链接。但是，即便如此，colmap官方对一些数据组织形式还是没有做更详细的说明（一把辛酸泪，很多结论都是在踩了很深的坑之后才得到的）。现记录如下： colmap数据库中，keypoints表格的data行数是实际特征点数的三倍，其中每三行的第一行才是特征点的像素坐标值，二三两行具体作用未知，如下图所示： 在执行S
cloudcompare坐标系
07-28
- *1* *2* *3* [【踩坑记录】colmap中的相机位姿的坐标系定义及其可视化结果的隐含转换](https://blog.csdn.net/weixin_44120025/article/details/124604229)[target="_blank" data-report-click={"spm":"1018.2226....
【创建相机位姿并显示】
小秋 AI SLAM 入门实战教程
06-24 815
在计算机视觉和图形学中，对于摄像机（或一般的3D视图）模型，通常使用一个坐标系来表示其位置和方向。这个坐标系通常是一个右手坐标系或左手坐标系，包括x轴、y轴和z轴。在这些系统中，每个轴都有特定的含义。x轴代表图像的宽度方向。y轴代表图像的高度方向。z轴（深度轴）代表摄像机的视线方向，即从摄像机位置出发向摄像机正在观察的方向延伸。这行代码定义了相机z轴的方向，表示相机的视线方向。这是一种常见的选择，其设定为直向前，即在相机坐标系中，向物体观察的方向为正z方向。
如何转换colmap坐标系
weixin_51621287的博客
09-12 722
colmap model_aligner \--input_path ./sparse \--output_path ./sparse/gps \--database_path ./database.db \--ref_is_gps 1 \--alignment_type enu \--alignment_max_error 3.0
C++ opencv viz位姿可视化
m0_66692708的博客
11-19 2040
用C++ opencv viz可视化相机相对位姿
nerf,colmap生成位姿，instant-ngp生成深度图片
weixin_48433993的博客
08-25 3329
5.运行colmap2nerf.py，可以在pycharm里面打开。这里先配置好环境，我配置的是conda环境。点击export model as text ，新建一个文件叫colmap_text。这里注意要把colmap2nerf.py与colmap_text放在同一目录下就行。3.下载instant_ngp_master，之后把其中的detectron2。下载instant-ngp.exe这个是根据自己的gpu版本选的。我下载的是大象图片，因为他的位姿还是比较全的。所以我就直接把他粘贴到colmap_
COLMAP多视角视图数据可视化
木盏
03-25 3282
这篇博文主要介绍多视角三维重建的实用工具COLMAP。为了让读者更快确定此文是否为自己想找的内容，我先用简单几句话来描述此文做的事情： 假设我们针对一个物体（人）采集了多个（假设60个）视角的照片，希望用COLMAP实现：(1)通过不同视角之间的特征匹配算出每个视角的相机位资（内外参）；(2) 对物体进行初步的稀疏重建，完成多视角数据的可视化（详见图3）。
colmap 稀疏重建可视化
slzlincent的博客
11-29 1375
Command-line Interface — COLMAP 3.7 documentation 三维重建：colmap安装与使用 - 我不是梦奇 - 博客园
[踩坑记录]关于colmap下相机姿态导出后异常的记录
Johson_007的博客
11-25 1017
这个问题来源于我使用colmap的重建结果，将相机的姿态导出后，在matlab中进行可视化时，发现和colmap中的相机姿态完全不一样，因此开始在网上查找问题所在，后来看了。然后，将导出的相机位姿images.txt中的位姿数据（QW,QX,QY,QZ,TX,TY,TZ）在matlab中进行可视化，发现非常奇怪。另外，在用opencv的solvePnP函数求解得到的R和t同样需要经过转换后，才能正确的表示相机的位姿。下图是colmap的重建结果，和拍照时的姿态相比，没有什么问题，基本符合。
colmap可视化相机位姿
02-20
### 实现相机位姿的可视化 为了在 Colmap 中实现相机位姿的可视化，可以利用 Colmap 自带的图形界面工具来查看稀疏重建结果中的相机位置和姿态。启动 Colmap 并加载已经完成稀疏重建的项目文件后，在主界面上可以选择 “Sparse model viewer” 或者 “Dense model viewer”，这取决于是否有密集重建的数据[^1]。 对于更进一步的操作或是自定义开发需求来说，则可能涉及到读取由 Colmap 输出的 `.bin` 或 `.txt` 文件格式保存下来的特征点与相机参数信息，并通过其他软件库如 Open3D 来绘制这些数据以达到视觉化的效果。 ```python import open3d as o3d # 假设已从COLMAP二进制模型中提取了相机内参矩阵K以及每帧图像对应的外参RT cameras, images, points3D = read_model(path='path_to_colmap_sparse', ext='.bin') for i in range(len(images)): R = images[i].qvec2rotmat() t = images[i].tvec # 创建坐标轴并设置颜色（红绿蓝分别代表XYZ） axes = o3d.geometry.TriangleMesh.create_coordinate_frame(size=0.5) # 将世界坐标系下的原点平移到相机中心，并应用旋转变换 axes.transform(np.hstack((R, t.reshape(3, 1)))) # 添加到场景中显示 vis.add_geometry(axes) vis.run() ``` 需要注意的是，Colmap 的相机坐标系遵循右手定则，其中 Z 轴指向前方，X 和 Y 分别对应水平向右和平行于传感器平面朝下方向；而在某些情况下，当把 COLMAP 结果用于其他平台时可能会遇到不同约定之间的差异问题，因此要特别留意这一点。
评论 68
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

打赏作者

zeeq_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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