sfm

最小二乘问题详解16：束平差工程实践总结在上一篇文章《最小二乘问题详解15：束平差原理与基础实现》中，我们从几何模型出发，系统推导了束平差（Bundle Adjustment, BA）的数学形式，并基于 Ceres Solver 实现了一个基础但完整的 BA 系统。在理想合成数据下，该系统能够将初始存在偏差的相机位姿与 3D 点高效优化至亚像素级精度，充分验证了 BA 作为“全局一致性精修”工具的强大能力。

最小二乘问题详解13：对极几何中本质矩阵求解在本系列（《最小二乘问题详解：目录》）的前三篇文章中，我们系统探讨了运动恢复结构（Structure from Motion, SFM）中的两个核心子问题：

暴风鱼划水

三维重建【6-A】DUSt3R：论文摘要前言、与3DGS结合在本地数据集上训练Multi-view stereo reconstruction (MVS) in the wild requires to first estimate the camera parameters e.g. intrinsic and extrinsic parameters. These are usually tedious and cumbersome to obtain, yet they are mandatory to triangulate corresponding pixels in

暴风鱼划水

三维重建【5】3D Gaussian Splatting：3R-GS论文解读3D Gaussian Splatting (3DGS) has revolutionized neural rendering with its efficiency and quality, but like many novel view synthesis methods, it heavily depends on accurate camera poses from Structure-from-Motion (SfM) systems. Although recent SfM pipelin

[论文]Colmap-PCD: An Open-source Tool for Fine Image-to-point cloud Registration2.1. 整个流程还是跟原来的SFM的流程基本一致，只是在这个过程中添加了激光点云的约束。如上图红色部分所示。 2.2. 如下图所示，将激光点云划分到锥形金字塔的体素网格内，并从世界坐标系转换到相机坐标系投影到相机平面，如果这个激光点恰好落在了图像2d的特征点上，那么会被看作是这个特征点的候选关联雷达点。候选的原因是，会存在多个雷达点恰好投影到同一个图像像素位置上，最后选择与图像点的距离最近的那个雷达点作为特征点的对应点。

诺有缸的高飞鸟

从零开始跑通3DGS教程：介绍本文内容本文所属《从零开始跑通3DGS教程》系列文章，将实现从原始图像(有序、无序)数据开始，经过处理(视频抽帧成有序)，SFM，3DGS训练、编辑、渲染等步骤，完整地呈现从原始图像到新视角合成的全部流程；为了解决环境问题，本文的所有需要环境的算法均在dokcer中运行(不用担心不会docker，有相应的命令能保证正常运行)

诺有缸的高飞鸟

从零开始跑通3DGS教程：(二)SFM(colmap)计算初始点云和相机pose本文内容本文所属《从零开始跑通3DGS教程》系列文章，将对colmap docker环境部署、使用进行说明

诺有缸的高飞鸟

从零开始跑通3DGS教程：(一)数据(采集)本文内容本文所属《从零开始跑通3DGS教程》系列文章; 本文介绍数据准备或者采集准备方式平台/环境 linux, nvidia GPU, docker

我是有底线的