视觉三维重建（19讲视频+PPT+源码数据）完整学习资料汇总！

谁践踏了优雅 2022-09-17 00:59 136阅读 0赞

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、预处理、点云配准与融合、生成物体表面等过程，把真实场景刻画成符合计算机逻辑表达的数学模型。

![2c07834953c9dae16081a4a362d5f5bf.png][]

![111ce0de1e3574132a7551abe3dc72a0.png][]

然而，由于视觉三维重建对图像、光学、成像理论、以及重要数学公式的的推导要求较高，其次，三维重建也有其应用上的痛点、难点，比如成本预算、大场景、物体运动、纹理缺失、暗环境等，因而其涉及的算法也多种多样。鉴于视觉三维重建学习相关教材寥寥无几，网上资料也比较零散，国内外几乎没有系统讲解三维重建相关的课程。

为此，3D视觉工坊推出了国内首个《**彻底搞透基于colmap的视觉三维重建：原理剖析、代码讲解、及优化改进**》，本课程是国内首个深入剖析colmap原理、代码讲解、并对开源代码进行优化改进的课程，由资深三维重建算法工程师主讲及指导。**五大章节**、**19讲视频内容**已经全部录制完成，源码和数据开源！

![055c2c2a4555b37323b0c238db64a6ff.png][]

▲微信扫码购买享受8.5折优惠！

**课程大纲**

![af729b441b92fcd6bc350aaf506e50e3.png][]

**课程讲义与视频**

![7a65f4d2e879f0fb48477c390a587212.png][]

![5fbcee57ce6ac30b6de186039b465dd5.png][]

**公式推导与代码实现**

![00bfa04f57abc7126454e106aedd0a9f.png][]

![1fa599994178a93d54bee05b6c5c3ed1.png][]

**面向人群**

1、理工科相关专业，熟悉三维重建、线性代数、概率论等相关理论知识、有一定c++、python编程基础；

2、已经入门三维重建研究领域的本科、硕士及博士研究生；

3、希望通过此课程能够快速实现三维重建算法，并能在项目中应用的研究人员；

**学后收获**

1、掌握视觉三维重建整个流程，对colmap框架能够有较深的理解，其它开源视觉框架也能快速着手。

2、掌握colmap中的多视图几何算法、光束法平差算法以及内在的实现技巧，为后续思考colmap框架的优化方法铺垫了夯实的基础。

3、锻炼举一反三能力，将colmap中的优秀算法融合到实际问题中，如恢复尺度、雷达和相机的标定等。

4、学会借鉴其它开源框架的优点，如openmvg、opensfm 等，将其原理融合到colmap 中。

**课程亮点**

**亮点一：**算法原理结合代码详解，线下设置答疑群，可以面对面和讲师沟通难题，更能和国内外各大高校学员一起交流，创造一个优异的学习环境。

**亮点二：**作者不仅仅只停留在讲解原算法本身，会对算法处理数据存在的问题进行改进。

作者改进colmap部分成果示意：

*  colmap融合gps（摄影测量领域即是gps辅助空中三角测量）
    
    （1）无人机数据
    
    a.原生colmap跑数据结果，出现bending map

b.融合GPS跑数据结果

![c6d77b59e16154284d34fffe71914e05.png][]

（2）车载数据

a.原生colmap跑数据，发生严重drift

b.colmap融合gps-rtk后的效果

c.ground truth

![4680dae7746577117638744dde3f5235.png][]

*  无任何传感器，无gps、无imu，特征点尺度约束的incremental sfm效果
    
    （a）原生colmap跑数据
    
    （b）特征点尺度约束的sfm跑数据
    
    ![db8ea22f54c7114da88b26baa93a07d1.png][]

**亮点三：**举一反三，会与目前主流的应用(如自动驾驶、VR)进行结合

1) vslam或lslam的 prior pose 加上colmap 进行重定位地图的建立

2) 利用colmap 进行激光雷达和相机的标定

3) 利用colmap 进行相机和GPS 的时间同步(或者说顾忌曝光延迟的gps约束)

4) 恢复单目的绝对尺度，应用到实际场景中(也可隶属课程亮点2中）

i、利用先验的gps 恢复绝对尺度

ii、利用GCP 或者Marker 来恢复绝对尺度

iii、利用已知的模型比例(scale)来恢复绝对尺度

**亮点四：**采用问答方式来解析重点部分的代码和算法原理

![2783b7a180867b975e160becfbc0ea54.png][]

![392ab0beac64f0c29b50a96cf94263f7.png][]

▲微信扫码享受8.5折优惠！

![cd03d0e303bff4821956821d79158feb.png][]  
群号：910070197  
▲课程咨询QQ群，了解更多  
![7a31cfb233519ea5414fdc74ec85e94f.png][]

▲长按加客服微信，咨询更多

[2c07834953c9dae16081a4a362d5f5bf.png]: /images/20220828/e59475c6f3754789a1d218d22964d708.png
[111ce0de1e3574132a7551abe3dc72a0.png]: /images/20220828/80abf9414c2a46aa9f4660248cb8e889.png
[055c2c2a4555b37323b0c238db64a6ff.png]: /images/20220828/0ad3eccb02ef44aa901d8f7b0f58bd4c.png
[af729b441b92fcd6bc350aaf506e50e3.png]: /images/20220828/e8ce9ec529184cd2834f40285cf5371f.png
[7a65f4d2e879f0fb48477c390a587212.png]: /images/20220828/78ca191bb4d94de2952d96a13aa8ecf6.png
[5fbcee57ce6ac30b6de186039b465dd5.png]: /images/20220828/bae67fe951f944f795daf21d63efcefb.png
[00bfa04f57abc7126454e106aedd0a9f.png]: /images/20220828/07c9657bdc6d4c6ca7b74e3306dec7cf.png
[1fa599994178a93d54bee05b6c5c3ed1.png]: /images/20220828/fad4adbe14fa4658ac9c8e8f780a0766.png
[c6d77b59e16154284d34fffe71914e05.png]: /images/20220828/5bd79da38a064286b602f0eb465febec.png
[4680dae7746577117638744dde3f5235.png]: /images/20220828/67e731740e8c43b48463c61b439084a2.png
[db8ea22f54c7114da88b26baa93a07d1.png]: /images/20220828/a40be764f71640a6a43dae759b747226.png
[2783b7a180867b975e160becfbc0ea54.png]: /images/20220828/34e5899f57824df2bcd9d20fed2d58ec.png
[392ab0beac64f0c29b50a96cf94263f7.png]: /images/20220828/6eff9b7f97f741e3853a09ef102ecbd0.png
[cd03d0e303bff4821956821d79158feb.png]: /images/20220828/bf19f73a66654780b81e997632b63fee.png
[7a31cfb233519ea5414fdc74ec85e94f.png]: /images/20220828/d18858c9477941199a8a9be646dd021b.png