colmap安装后如何使用教程

本文在Ubuntu下实验

相机camera：具有分辨率、内参、畸变参数、zoom-factor和lens(不知道这两个怎么翻译)等属性的物理模型；
图片image：JEPG或PNG这样的bitmap文件；

0.数据集下载

我下载的是第一个数据集，一共100张图片

1.数据结构 Data Structure

colmap gui // 打开gui界面
File > New project // 创建新工程，目标文件夹结构应该如下文所示

需要指定：
①新建的database存放路径(/home/&&&/code_data/colmap_test/database.db)；
②原图片路径(/home/&&&/code_data/colmap_test/images)；
这里一个比较坑的地方是点New但是没办法指定存放路径，需要你自己选定一个文件夹然后加上"/database.db"，点Save后会自动在目标位置生成一个database.db。

colmap假定所有的图片都在一个给定的文件夹中，其支持多种图片格式并会自动递归地寻找文件夹中的所有图片。一些稠密重建、去畸变等后处理操作需要留出对应的文件夹。涉及到的所有数据存在colmap中的一个SQLite database file中。
官方给的文件夹格式：

/path/to/project/...
+── images
│   +── image1.jpg
│   +── image2.jpg
│   +── ...
│   +── imageN.jpg
+── database.db
+── project.ini

图片存放路径：/path/to/project/images（为了高效都存在一块）
数据存储文件：/path/to/project/database.db
工程配置文件：/path/to/project/project.ini

2.特征提取与匹配 Feature Detection and Extraction

特征提取和匹配作为重建的第一步，这样只需读取图片一次。

Processing > Extract features // 打开特征提取配置
// 确定相机配置
Extract	// 提取特征

①确定相机内参，包括相机模型+从EXIF提取相机参数或自己制定+所有图片间是否共享内参等，相机参数是重建过程中需要考虑的重要一部分；
②可以直接从外部text files导入feature，暂时用不到不讲了；
提取过程如下，100张图片用了1.2mins。

3.特征匹配和几何检验Feature Matching and Geometric Verification

在图像之间寻找匹配。

Processing > Match features	// 打开特征匹配配置
// 选择匹配模式
Run // 开始匹配

匹配过程如下，选择Exhaustive Matching没有GPU加速，100张图片用了57分钟(真的慢)。

一共有六种匹配模式：
①Exhaustive Matching：两两图像之间进行一一匹配，在图像数目较小的情况下可以使用，会取得最好的效果。block size确定每次从磁盘读取多少图片，从源代码看就是将匹配任务按照block size分批次了；
②Sequential Matching：对于有序的图片集合，该方法可以根据序号间的关系寻找匹配关系，有基于词典树的回环检测环节，（类似SLAM）。图片名必须按照序号命名好；
Vocabulary Tree Matching：按照词典树的匹配情况寻找匹配关系，适合大数据集；
④Spatial Matching：空间上最接近的图片构成匹配，适合有准确空间位置的数据集；
⑤Transitive Matching：利用已有的匹配关系建立新的匹配关系。如：A匹配B，B匹配C，则A匹配C；
⑥Custom Matching：手动确认匹配关系

4.稀疏重建Sparse Reconstruction

Reconstruction > Start

incremental重建过程

重建步骤：
①寻找初始匹配对；
②不断注册新图片并三角化新的点

如果重建失败尝试寻找更多匹配+自己设定初始匹配

5.稠密重建Dense Reconstruction

在sparse reconstruction的基础上，通过深度和法向量恢复出dense reconstruction

Reconstruction > Start
Undistortion
Stereo
Fusion
Poisson
Delaunay

Dense Reconstruction需要GPU，这个电脑没装，所以暂时到此为止了。