[第二期]彻底搞透视觉三维重建：原理剖析、代码讲解、优化改进

前言

在这门课程二期开课之前，我想说些心里话。时间飞逝，第一期课程的启动是2021年3月份左右，时至今日，已满三载有余，感概万千。这三年里面三维重建出现了各式各样的发展：nerf、gaussian splatting等，这些技术的出现无疑是对传统3D视觉的巨大冲击，但目前来看，大多数nerf和gaussian splatting 的输入还都是sfm的结果，根据开源的结果来看准确的说应该是使用colmap的结果作为输入，当然也有一些工作是without colmap的(目前并不多)。显而易见，传统的mvs的道路正在走向泯灭的路途中，而sfm这一个重要的环节何事会何时被新技术完全替换，我想应该在不久会出现，但是目前来看传统的sfm技术还扮演者一个重要的角色。

谈起sfm的作用(排除做类似photoscan、contextcapture的产品），目前除了提供给nerf和GS的输入之外，在AR领域也发挥着一个重要的作用-map-based 视觉重定位。我们都知道所有的结果都是有痕可寻的，这句话同样适用于colmap的sfm结果，一旦发现最终的结果不尽人意，都会归因为输入的质量不佳。所以单纯的git clone 来使用是远远不够的，要结合大量的经验来优化，这样才能起到事半功倍的作用。