【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

已于 2022-10-21 13:30:16 修改
阅读量5.6k 收藏 31
点赞数 4
分类专栏： SfM colmap 文章标签： colmap 三维重建 sfm
于 2022-04-25 22:09:24 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/weixin_44120025/article/details/124350910
版权
本文详细记录了在使用COLMAP进行稀疏重建时遇到的数据转换与存储问题，包括keypoints表格数据结构的特殊性、SQL查询注意事项、ID编号规则、重投影误差处理和几何验证后的track变化等关键点，旨在帮助读者避免踩坑，理解COLMAP内部工作原理。

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

  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：

  1. 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：
    在这里插入图片描述

  2. 在执行SQL语句SELECT pair_id, data FROM two_view_geometries或者SELECT pair_id, data FROM matches的时候，需要特别注意，要在语句末尾再加上WHERE rows>=15，这里15也可以改成其他数字（比如2）&#

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Colmap进行稀疏重建、稠密重建
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
02-03 1656
Colmap进行稀疏重建以及稠密重建
OpenMVS ：用 colmap制作自己的数据集 重建（用colmap计算位姿，将位姿转为MVS需要的格式）
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
11-17 2772
数据集制作主要是在windows进行，比较方便。
COLMAP稀疏重建得图像内外参文件
weixin_45880331的博客
03-29 4029
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 系列文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的
三维重构Colmap的基础使用
最新发布
TenderRain的博客
04-15 620
4、 特征匹配：接下去是特征匹配，操作也很简单，点击Processing->Feature matching，默认的有几种匹配方式，这边我们选择第一种Exhaustive就行，这种是对每张图进行两两比较，参数我们这边也用默认的（感兴趣的可以自行修改尝试），下面直接点击Run按钮等待完成。1、 准备工作：下载编译好的文件，如果电脑已经配置了CUDA可以下载没有CUDA的包，如果没有配置下包含CUDA的包，深度重构需要用到CUDA的数据，下载完成后打开COLMAP.bat文件。已经编译完成的colmap。
COLMAP运行个人数据集进行稀疏重建
zt0225的博客
10-22 1531
（一）Colmap给出了几个官方数据集作为参考，详见官方文档中Datasets部分，我下载了里面的South Building。打开这个数据集中的images可以看到其中的照片信息。（二） 准备个人数据集在制作个人图片数据集时，要注意拍摄图片要具有良好的纹理，尽量避免拍摄反光物体；拍摄物所处的环境光线要尽量一致；所拍摄照片要足够重叠，在不同角度拍摄的物体要有较高的重叠度，要注意连续性，这样可以减少图像重建的时间；从不同角度对物体进行拍摄，比如正面一圈，上面一圈；
基于多视角几何的稀疏重建-Colmap
rlczddl的博客
09-20 1879
Colmap算法的输入为一组图像，输出为相机姿态及稀疏的点云。如图1所示，算法主要分成对应点搜索和增量重建两大模块。图1.Colmap算法的整体框架。
colmap大场景稀疏重建记录:部分照片畸变导致sfm生成的稀疏点云扭曲
m0_74310646的博客
06-08 2132
而不是所有文件夹使用同一个相机模型)，然后特征匹配，这里可以使用前面重建上下环绕视角的时候得到的database.db文件，里面存储了之前的特征提取和匹配的数值，这样可以更快一点。从拍摄的照片来看，虽然是对着楼宇上下拍摄，但是无人机的镜头并没有调正，很多照片全是偏向于俯视，头大尾小，虽然这样不影响重建效果，但是处理这些必然是要花费更多时间，相比于端正拍摄的镜头来说。，这个指向已有的稀疏点云，也就是前面重建的上下环绕视角点云，这样，在这个正确点云的基础上，重建剩余全部视角，得到修正的全局稀疏点云。
colmap 稀疏重建可视化
slzlincent的博客
11-29 1382
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
COLMAP学习使用笔记
Ocean_waver的博客
11-27 6224
基于Python脚本的database创建 可用于构建带有已知的相机内外参数的database，而不需要在gui界面手动修改参数，具体参考COLMAP官方文档。 由上述文档知，除了使用GUI界面，可以使用 COLMAP build 版本中的colmap\scripts\python\database.py手动创建database文件。 使用时注意，database.py文件中给出了example_usage()函数作为使用示范，可以自行从外部添加图像、相机特征点、匹配点、等信息。 使用方法为： pytho
实验笔记之——Linux实现COLMAP
gwpscut的博客
01-04 5092
学习笔记之——NeRF SLAM（基于神经辐射场的SLAM）-优快云博客NeRF 所做的任务是 Novel View Synthesis（新视角合成），即在若干已知视角下对场景进行一系列的观测（相机内外参、图像、Pose 等），合成任意新视角下的图像。传统方法中，通常这一任务采用三维重建再渲染的方式实现，NeRF 希望不进行显式的三维重建过程，仅根据内外参直接得到新视角渲染的图像。之前博客跑instant-NGP的时候，除了用官方的数据集，用自己的数据则是通过手机采集，同时获得pose与image。
毕设笔记：colmap
weixin_43979794的博客
04-11 1381
colmap hierarchical_mapper命令 参考文献
COLMAP输出的文件类型(bin, txt)
qq_43307074的博客
11-25 1万+
COLMAP输出的文件类型(bin, txt)
已知相机内外参通过COLMAP进行稀疏/稠密模型重建操作过程
网络资源是无限的
05-14 6434
已知相机内外参通过COLMAP进行稀疏/稠密模型重建操作过程
【NeRF数据集】LLFF格式数据集处理colmap结果记录
格物致知
01-03 4306
以方便python读取，且NeRF模型源码拥有直接对LLFF格式数据集进行训练的配置和模块，便于研究者使用。或者 File 导出 export model，新建名称为sparse保存的位置，sparse文件下的0文件作为输出结果，这里包含具体见上图。得到COLMAP位姿匹配数据后，我们要对每张图片的位姿信息进行格式转换，转换为LLFF格式方便Nerf模型读取。而不是直接输入图像数据，当然也可以，只是存在2个问题，1是收敛速度变慢，2是重建效果变差。配置nerf-pytorch 工程 ，开始训练！
【三维重建】【深度学习】【数据集】基于COLMAP制作自己的NeuS(DTU格式)数据集
weixin_43041894的博客
02-11 2561
DTU格式是NeuS网络模型训练使用的数据集格式之一，本文基于COLMAP软件展示从DTU格式数据集的制作到开始模型训练的完整流程。NeuS通过输入同一场景不同视角下的二维图片和相机位姿，对场景进行三维隐式建模，使用一种新的一阶近似无偏差的公式，从而即使没有掩模监督，也能进行更精确的表面重建。
colmap配置与使用
热门推荐
zhingzt的博客
11-21 1万+
colmap的配置和使用，作为传统算法的一个baseline，和深度学习算法进行对比。同时为MVSNet提供相机外参、内参等信息
colmap 稀疏重建输出的cameras.txt, images.txt,points3D.txt含义
Vpn_zc的博客
01-17 1万+
官网Output Format — COLMAP 3.7 documentation cameras.txt 该文件包含数据集中所有重建相机的内在参数(相机内参)，每个相机使用一行，例如： # Camera list with one line of data per camera: # CAMERA_ID, MODEL, WIDTH, HEIGHT, PARAMS[] # Number of cameras: 3 1 SIMPLE_PINHOLE 3072 2304 2559.81 1536.
使用colmap对大规模场景进行分组重建
m0_51962318的博客
10-27 3114
官方说明 colmap官方命令说明 使用colmap hierarchical_mapper命令对特征提取和匹配后的数据进行分组稀疏重建并融合。hierarchical_mapper官方说明如下。 hierarchical_mapper: Sparse 3D reconstruction / mapping of the dataset using hierarchical SfM after performing feature extraction and matching. This paralle
将COLMAP中生成的images.txt结果可视化
网络资源是无限的
05-27 1737
将COLMAP中生成的images.txt结果可视化
colmap稀疏重建
03-08
### COLMAP 稀疏重建教程 #### 准备工作 为了成功执行稀疏重建，确保安装并配置好COLMAP环境。对于Ubuntu用户来说，可以通过源码编译来获取最新功能和支持自定义修改[^1]。 #### 数据准备 收集一系列具有重叠视域的照片作为输入数据集。这些图像应该覆盖目标场景的不同角度和位置，以便提供足够的几何约束用于三维结构计算。 #### 特征提取与匹配 启动COLMAP数据库初始化命令，并导入图片至项目中： ```bash colmap feature_extractor \ --database_path path/to/database.db \ --image_path path/to/images/ ``` 接着运行特征点之间的两两匹配过程： ```bash colmap exhaustive_matcher \ --database_path path/to/database.db ``` 此阶段涉及到了对C++文件`feature_matching.cc`中的算法调整优化建议，这有助于提高特定应用场景下的性能表现。 #### 执行稀疏重建 完成上述准备工作之后，可以调用如下指令来进行全局束法平差(SfM)，即所谓的“稀疏”模型构建： ```bash mkdir sparse colmap mapper \ --database_path path/to/database.db \ --image_path path/to/images/ \ --output_path path/to/sparse/ ``` 该操作会生成一个包含相机姿态参数以及空间点坐标的`.bin`二进制文件集合，在`sparse`目录下找到名为`0`的子文件夹内查看最终成果。 #### 可视化结果 利用COLMAP自带GUI工具打开刚才创建好的SFM工程，直观感受重建效果；也可以通过导出PLY格式网格进一步分析处理。 --- ### 常见问题解决方案 当遇到稀疏重建失败的情况时，可以从以下几个方面排查原因： - **内存不足**：大型数据集可能导致计算机资源耗尽。尝试减少参与运算的照片数量或者增加硬件资源配置。 - **特征检测失效**：某些极端条件下（如低纹理表面），自动提取到的有效特征过少影响后续步骤准确性。考虑更换更鲁棒性的描述符类型或手动标注关键区域辅助定位。 - **初始猜测偏差过大**：错误估计了摄像机内外参先验信息会造成收敛困难甚至发散现象。借助第三方校准平台精确测量设备参数再带入程序当中往往能显著改善状况。 - **多解歧义性**：复杂环境中存在多个相似外观但实际地理位置相距甚远的对象干扰识别逻辑判断。增强拍摄密度、扩大视角范围有利于消除此类不确定性因素带来的困扰。
评论 1
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