深度总结！视觉三维重建colmap框架的现状与未来

已于 2024-03-26 15:06:45 修改
阅读量874 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 3D视觉从入门到精通 文章标签： 人工智能 自动驾驶 三维重建 3D视觉 无人机
于 2024-03-02 00:00:29 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.youkuaiyun.com/Yong_Qi2015/article/details/136408927
本文深入探讨了三维重建领域的现状，特别是colmap框架的广泛应用及其在AI技术（如nerf和gaussian splatting）中的地位。尽管colmap在AR、定位系统和大场景重建中面临速度、精度和漂移等问题，但通过参数调整和源码改进，可以优化其性能。文章还提出了colmap未来改进的方向，包括相机模型选择、匹配方法、视图图优化和鲁棒性增强等方面。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

点击下方卡片，关注「3DCV」公众号

选择星标，干货第一时间送达

作者：李城 | 来源：3DCV

前言

众所周知，三维重建的发展已经进入了稳定期，尤其是离线方案的发展几乎处于停滞期，在各大论刊上也很少见到传统sfm+mvs亮眼的文章。这也不难理解，传统的多视图几何内容已经被展现的体无完肤，即使能做出一些impressive创新，也需要非常坚厚的数学基础。这里就公布一些主流的离线视觉三维重建商业和开源的框架问世时间：

商用 ：

  • Photoscan（现在称为Agisoft Metashape）的首个版本于2010年发布。

  • ContextCapture 是由Bentley Systems开发的软件，首个版本发布于2015年。

  • Inpho 是由Trimble开发的软件，发布时间比较早，但具体时间可能因版本而异。Trimble公司在2008年收购了I

了解本专栏 订阅专栏 解锁全文 超级会员免费看
多视图几何三维重建实战系列之COLMAP
zfjBIT的专栏
07-19 4742
点击上方“3D视觉工坊”，选择“星标” 干货第一时间送达 为了方便大家了解基于多视图立体的三维重建技术，更重要的是能亲手利用开源数据集或者自己采集的影像跑一遍流程，进而对整个流程更为熟悉，本文整理了近年来几种经典的基于传统方法和基于深度学习方法的三维重建技术Pipeline，并详细介绍从多视图影像到深度图估计，再到恢复三维点云的整个过程。 因为三维重建原理复杂，且各种软件或代码之间接口变化多样，无法...
视觉三维重建colmap框架的现状与未来
计算机视觉工坊
04-01 794
众所周知，三维重建的发展已经进入了稳定期，尤其是离线方案的发展几乎处于停滞期，在各大论刊上也很少见到传统sfm+mvs亮眼的文章。这也不难理解，传统的多视图几何内容已经被展现的体无完肤，即使能做出一些impressive创新，也需要非常坚厚的数学基础。商用Photoscan（现在称为Agisoft Metashape）的首个版本于2010年发布。ContextCapture 是由Bentley Systems开发的软件，首个版本发布于2015年。
ubuntu安装colmap和pycolmap最新版2024
m0_63071397的博客
05-05 4828
最近需要使用hloc项目，因此需要安装colmap，而直接通过 pip install pycolmap下来的不是gpu版本，进行三维重建时会非常的慢，因此需要从源码编译，具体github项目可见在编译过程参考过很多之前的心相关教程，但多数较低版本的colmap以及pycolmap，现在已经不需要改anaconda名字或者自己安装ceres库等繁琐操作。在安装过程中也是遇到了各种形形色色的坑，花了好几天时间才完成，因此记录一下也方便大家避坑现在想想自己花了好久的东西其实就这么点步骤，也是很简单的。
使用clomap进行基于图像的三维重建
qq_44708206的博客
10-12 3140
学习使用colmap进行基于图像的三维重建
关于三维重建自定义数据集重建效果不好
yyds93的博客
08-24 410
2.尽量使用广角镜头（手机的话，iPhone性能更好）3.自身数据集下采样或者上采样几倍再运行，对比实验结果。1.COLMAP不能重建相机位置。
彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
3D视觉工坊
05-08 2442
视觉三维重建 = 定位定姿+ 稠密重建+ surface reconstruction +纹理贴图。三维重建技术是计算机视觉的重要技术之一，基于视觉的三维重建技术通过深度数据获取、预处...
为什么说colmap仍然是三维重建的核心？
3D视觉工坊
09-07 496
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colm...
回顾！华为天才少年谢凌曦：关于视觉识别领域发展的个人观点！
3D视觉工坊
01-31 120
点击下方卡片，关注「3D视觉工坊」公众号选择星标，干货第一时间送达来源：小白学视觉添加小助理：cv3d001，备注：方向+学校/公司+昵称，拉你入群。文末附3D视觉行业细分群。扫描下方二维码，加入「3D视觉从入门到精通」知识星球(点开有惊喜)，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：近20门秘制视频课程、最新顶会论文、计算机视觉书籍、优质3D视觉算法源码等。想要入门3D视觉、做项...
基于图像和激光的多模态点云融合与视觉定位 毕业论文.docx+pdf+开题答辩+中期答辩+毕业答辩+外文翻译+项目源码及数据
优创学社
04-27 1208
1.采用了三个平行的局部重建算法：基于视觉的SfM算法、基于激光雷达的LOAM算法与基于图像激光扫描仪的方法，完成对清华园局部场景的重建任务，为针对不同环境的重建任务在设备和算法选择上提供了参考；另有1000+份项目源码，项目有java（包含springboot，ssm，jsp等），小程序，python，php，net等语言项目。针对以上挑战，本文提出了一种重建与定位流程：首先利用传感器数据，生成场景局部点云，然后对局部点云进行拼接融合，合成整体场景高精度点云，最后利用全景相机实现在场景中的定位。
最新工业基于点云的3D缺陷检测和分类综述
3D视觉工坊
02-22 1197
点击下方卡片，关注「3D视觉工坊」公众号选择星标，干货第一时间送达来源：3D视觉工坊添加小助理：dddvision，备注：点云检测，拉你入群。文末附行业细分群论文题目：ADVANCEMENTS IN POINT CLOUD-BASED 3D DEFECT DETECTION AND CLASSIFICATION FOR INDUSTRIAL SYSTEMS: A COMPREHENSIVE SUR...
点云从入门到精通技术详解100篇-基于三维模型匹配的机器人作业工件定位
getusushu的博客
06-14 80
ORB 算法，通过使用快速角点决策的自适应阈值设置方法来提取足够的关键点，术的蓬勃发展，智能制造的时代迈向了高度智能化、自动化的阶段。中存在着大量重复性质的作业，抑或是危险系数较高的场合，工业机器人可以作。征检测方式的不同，常见的定位方法可大致分为基于颜色特征、几何特征及基于。定物体的三维模型，再建立二维特征点和三维特征点之间的对应关系，基于单应。基于移动边缘特征和深度特征的检测方法，为了增强鲁棒性，对于缺乏纹理特征。特征可以极其有效的减少跟踪定位过程中的漂移误差，跟踪过程更加鲁棒，定位。
AIGC在文化遗产保护中的应用：数字化重建
AI 原生应用开发的博客
05-06 1108
文化遗产是人类文明的瑰宝，但随着时间的推移，许多珍贵文物和遗址面临着自然侵蚀、人为破坏等威胁。传统的保护方法存在成本高、效率低、难以大规模应用等局限。AIGC(人工智能生成内容)技术的快速发展为文化遗产保护提供了新的解决方案。本文聚焦于AIGC在文化遗产数字化重建中的应用，探讨如何利用深度学习、计算机视觉等技术实现文物的高精度数字化保存和修复。本文首先介绍文化遗产保护的背景和挑战，然后深入讲解AIGC核心技术原理，包括3D重建算法和生成模型。
opencv学习（图像梯度）
weixin_63566653的博客
07-26 1316
在图像处理中，图像梯度（Image Gradient）是描述图像中像素值变化率的概念，是理解图像中 “哪里发生变化” 以及 “变化有多剧烈” 的核心工具。从简单的 Sobel 算子到复杂的 Canny 算法，本质都是通过梯度分析实现边缘提取，是计算机视觉中处理图像结构的基础。
Datawhale 科大讯飞AI大赛（模型蒸馏）
1ncludeSteven
07-27 1270
使用教师模型蒸馏学生模型（小模型），使得学生模型尽可能在数学推理任务中表现更好，评分标准由4个指标组成：Overall Score=0.4×AS+0.3×CQS+0.2×ES+0.1×MLS。通过上述方法构建了3个对应的数据集，目前想要对最终的模型使用的数据集进行消融实验，训练及评分过程较慢。三个数据集合并后共包含2126条数据。模型微调后，创建应用，发布服务即可提交赛题，目前赛题评分中，待更新最后分数。
AI算法实现解析-C++实例
最新发布
keny-大成的博客
07-29 1473
本文摘要： 本文汇总了基于C++实现的多种AI/机器学习技术，涵盖计算机视觉、自然语言处理和强化学习等领域。主要内容包括： 计算机视觉： 目标检测（YOLOv3/YOLO Tiny） 人脸识别（OpenCV Haar级联/OpenFace） 图像风格迁移（OpenCV DNN模块） 特征匹配（SIFT/Lucas-Kanade光流） 自然语言处理： 文本分类（朴素贝叶斯/TF-IDF） 语言模型（N-gram/Word2Vec） 文本生成（LSTM/GRU） 情感分析（FastText/深度学习） 强化学习
跨境支付入门～国际支付结算（风控篇）
lkf19711的博客
07-25 1580
跨境支付企业的"吞金兽"：风控系统成为最大成本黑洞。这类系统需采购海量第三方数据（年费超千万），并应对国际卡组织的高额合规要求（如VISA系统年增300万美元成本）。核心防控AML（反洗钱）和CFT（反恐融资）风险，通过四阶KYC认证体系（证件核验到持续监控）和KYB企业审查（股权穿透到贸易背景验证）。采用AI检测（准确率98.7%）、知识图谱等技术，并实施分级审核策略（CDD/EDD）。风控系统需融合3000+规则引擎和机器学习模型，实现全流程监控，是跨境支付企业的生死线。
RoPE：相对位置编码的旋转革命——原理、演进与大模型应用全景
拒绝AI玄学，只聊真技术▲
07-26 2492
RoPE通过几何旋转的统一框架，实现了位置编码的相对性、可逆性与外推性的平衡，成为大模型位置感知的基石技术。跨模态统一：N维李群框架支撑视频、3D点云位置建模动态频率学习：替代预设θbaseθbase​，实现任务自适应编码鲁棒性增强：融合FoPE思想抵抗深层频谱损坏RoPE的本质是将位置关系映射为复数空间的旋转群——它不仅是Transformer的“位置感知器”，更是AI理解时空的数学透镜。当旋转矩阵的维度从文本扩展到图像、视频乃至物理世界，位置编码的数学之美正在重构AI对世界的认知方式。
AI模型训练中过拟合和欠拟合的区别是什么？
workflower的博客
07-28 950
定义：模型未能充分学习到数据中的规律，对训练数据的拟合程度较差，在训练集和测试集上的表现都不好（如准确率低、损失值高）。- 定义：模型过度学习了训练数据中的细节（包括噪声和随机波动），导致对训练数据拟合效果极好，但对未见过的测试数据泛化能力差。- 表现：训练集性能极好（如准确率接近100%），但测试集性能明显下降，两者差距很大。- 表现：训练集和测试集的性能指标（如准确率）都较低，且两者差距不大。- 过拟合：模型“学太死”，只对训练数据表现好，对新数据没用。- 模型结构过于复杂（如参数过多）；
评论
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

3Ｄ视觉工坊

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