文章目录

0 前言

1 理论基础

1.1 书籍推荐

1.2 SfM概述

2 动手实践

2.1 增量式SfM复现总结

2.2 部分复现结果

2.3 遇到问题与解决

3 后续学习

3.1 前沿论文阅读笔记

3.2 Colmap使用问题

3.3 三维旋转

3.4 场景对齐

0 前言

一转眼，研究生生活已经过去两年了。开始接触SfM也是两年前的事了，至于缘由，谈不上为啥，一开始自己并没有明确喜欢的方向。现在回过头来看，我没有后悔学它，SfM可以称得上自己比较喜欢的一个技术类型了。不过SfM是一个已经有几十年研究历史的技术了，所以目前的话，想从传统流程上入手去进行改进的空间比较小也比较难。 SfM全称Structure from Motion，译为运动恢复结构，是三维重建pipeline的一部分，又称稀疏重建，在摄影测量领域则称为空三（空中三角测量）。SfM的任务是，给定一系列具有一定重叠度的图像，去同时估计出拍摄每张图像时相机的位姿（位置t和姿态R）和被拍摄物体或场景的稀疏点云。

1 理论基础

1.1 书籍推荐

初次接触SfM，我先看了两本书，一本是《视觉SLAM十四讲》，另一本是《计算机视觉中的多视图几何》。需要特别说明的一点是，SfM与SLAM（Simultaneous Localization and Mapping，即时定位与地图构建）在很多步骤上是类似的。区别在于，SfM不要求实时性，对重建场景的精度要求更高；而SLAM要求实时性，对相机定位要求也较高，但是对场景的稠密性要求比较低。所以，《视觉SLAM十四讲》作为一本SLAM入门必读书籍，也就当仁不让地成为了入门SfM的好书之一。这两本书我都读了有好几遍，其中《视觉SLAM十四讲》更通俗易懂，对于技术目的的理解很有帮助；而《计算机视觉中的多视图几何》则比较深奥，涉及的数学几何知识更多。由于我学习的是增量式SfM，很多步骤和SLA