Colmap安装与实践

目录

官网下载代码

安装依赖

1. 安装CUDA, cuDNN

2. 安装ubuntu自带库

3. 安个Ceres优化库，可以建一个colmap的大文件夹，库放在里面

4. 编译colmap

5. 运行起来

6. 数据集准备

7. 图形界面操作

参考网址

官网下载代码

源码下载地址： https://github.com/colmap/colmap

源码编译说明：Installation - COLMAP 3.8 documentation

COLMAP可以作为独立的app，通过命令行或者图形交互界面使用，也可以作为一个库被包含到其他源代码中。

安装依赖

1. 安装CUDA, cuDNN

白徐行：linux CUDA安装

白徐行：linux cuDNN安装

2. 安装ubuntu自带库

sudo apt-get install \
    git \
    cmake \
    build-essential \
    libboost-program-options-dev \
    libboost-filesystem-dev \
    libboost-graph-dev \
    libboost-system-dev \
    libboost-test-dev \
    libeigen3-dev \
    libsuitesparse-dev \
    libfreeimage-dev \
    libmetis-dev \
    libgoogle-glog-dev \
    libgflags-dev \
    libglew-dev \
    qtbase5-dev \
    libqt5opengl5-dev \
    libcgal-dev

安装CGAL Qt5 package

sudo apt-get install libcgal-qt5-dev

3. 安个Ceres优化库，可以建一个colmap的大文件夹，库放在里面

mkdir colmap
cd colmap
sudo apt-get install libatlas-base-dev libsuitesparse-dev
git clone https://ceres-solver.googlesource.com/ceres-solver
cd ceres-solver
git checkout $(git describe --tags) # Checkout the latest release
mkdir build
cd build
cmake .. -DBUILD_TESTING=OFF -DBUILD_EXAMPLES=OFF
make -j
sudo make install

4. 编译colmap

cd ../../
git clone https://github.com/colmap/colmap.git
cd colmap
git checkout dev
mkdir build
cd build
cmake ..
make -j
sudo make install

5. 运行起来

colmap -h
colmap gui

6. 数据集准备

准备一个数据集，里面包含图片

7. 图形界面操作

点击图形界面上的Reconstruction>AutomaticReconstruction 设置相关选项，假设数据集的路径为path/to/project/images，那么 path/to/project就是workspace folder。image folder 就是path/to/project/images，mask folder不用填，建图效果越高用时越久。然后点击run开始运行。在运行automatic reconstration之后，文件夹会变成这样：

+── images
│   +── image1.jpg
│   +── image2.jpg
│   +── ...
+── sparse
│   +── 0
│   │   +── cameras.bin
│   │   +── images.bin
│   │   +── points3D.bin
│   +── ...
+── dense
│   +── 0
│   │   +── images
│   │   +── sparse
│   │   +── stereo
│   │   +── fused.ply
│   │   +── meshed-poisson.ply
│   │   +── meshed-delaunay.ply
│   +── ...
+── database.db

然后， path/to/project/sparse包含的是重建得到的稀疏模型， path/to/project/dense包含的是dense模型， 点云fused.ply可以加载到COLMAP图形界面中， 从File>Importmodelfrom...进入，而密集的网格必须通过外部查看器(如Meshlab)来可视化。

参考网址

1. http://www.ceres-solver.org/installation.html#
2. COLMAP安装记录及实战操作-pudn.com