三维重建_对比几个三维重建系统(大部分开源)

系统管理员 2023-01-16 09:48 605阅读 0赞

**目录**

1. 三维重建概述

2. 现有系统简要对比

2.1 VisualSFM

2.2 Meshlab

2.3 Colmap

2.4 Bundler

2.5 CMVS

2.6 MVE

2.7 MVS-Texturing

2.8 OpenMVG

2.9 OpenMVS

--------------------

# 1. 三维重建概述 #

我们知道，照相机/摄像机的原理是将一个三维场景或物体投影到二维平面上，过去是胶片，现在是经过感光元件再记录到存储器。降维的过程通常不可避免地会存在信息的损失，而所谓的重建(Reconstruction)，顾名思义就是要从获取到的二维图像中复原原始三维场景或物体。

相对照相机的诞生，三维重建的概念本身说年轻也算年轻；但相比从2012年开始比较火的深度学习、神经网络等概念，三维重建也算是古老的研究领域了，因为第一个基于图像的三维重建系统诞生于**1992年**（CMU的Tomasi等人的工作）。

三维重建的流程大致如下：

*  首先，通过多角度拍摄或者从视频中提取得到一组图像序列，将这些**图像序列**作为整个系统的输入；
 *  随后，在多视角的图像中，根据纹理特征提取出**稀疏特征点**（称为点云），通过这些特征点估计**相机位置**和**参数**；
 *  在得到相机参数并完成特征点匹配后，我们就可以获得更**稠密的点云**（这些点可以附带颜色，从远处看就像还原了物体本身一样，但从近处能明显看出它们只是一些点）；
 *  最后根据这些点**重建物体表面**，并进行**纹理映射**，就还原出三维场景和物体了。

概括起来就是：图像获取->特征匹配->**深度估计**\->稀疏点云->相机参数估计->**稠密点云**\->表面重建->纹理映射

目前已有不少免费系统（部分系统已开源）能够完成三维重建的整个流程，在深入研读某一个系统的代码之前，我决定先根据前人资料横向比较一下这些系统的异同。除了亲自运行了几个系统外，主要参考了[这个视频][Link 1]的讲解（需要科学上网），以下内容的部分截图也出自这里。感谢视频原作者和以下每个系统的创造者。

# 2. 现有系统简要对比 #

以下对比图，相比原文有改动。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70][]

图中从左至右的过程依次是从原始图像到稀疏点云、重建稠密点云、重建表面和纹理映射。对应列的**绿色**代表该系统具备此功能，白色反之。

## 2.1 [VisualSFM][] ##

A Visual Structure from Motion System

*  是否开源：**否**
 *  [文档][Link 2]：小规模 (5k词左右)
 *  兼容性：兼容OS X/Windows/Linux
 *  主要特性：完成从图像到**稠密点云**的重建过程，值得注意的是，VSFM系统的**输出**可以放入CMP-MVS（Multi-View Reconstruction Preserving Weakly-Supported Surfaces, CVPR 2011），[MVE][]（by Michael Goesele’s research group），[SURE][]（by Mathias Rothermel and Konrad Wenzel）, [MeshRecon][]（by Zhuoliang Kang）等系统中进行后处理（如**稠密重建**）。

视频中展示的稠密点云精度比较高，但构建速度较慢（讲解者在重构一个人形塑像时用了1小时40分钟）。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 1][]

**配置相关**

VisualSFM下载官网：http://ccwu.me/vsfm/

CMVS-PMVS下载：[https://github.com/pmoulon/CMVS-PMVS][https_github.com_pmoulon_CMVS-PMVS]

配置：将下载好的文件解压，把toolkit\\PMVS2\\binariesWin-Linux\\Win64-VS2010下的所有文件，全部拷贝到与VisualSFM.exe的相同根目录（toolkit\\VisualSFM\_windows\_cuda\_64bit）下即可使用，VisualSFM在运算过程中会自动使用PMVS/CMVS。

## 2.2 [Meshlab][] ##

the open source system for processing and editing 3D triangular meshes.

*  是否开源：[是][Link 3]
 *  文档：无详细文档，但有视频教程
 *  兼容性：兼容OS X/Windows/Linux
 *  主要特性：从**稠密点云**进行**表面重建**，并完成**纹理映射**。
 *  附加：可选取感兴趣的区域(Region of Interest, ROI)进行编辑，比如降低面片数量、删除区域外的稀疏点等。
 *  此外，诸多其他系统的点云结果可在本系统内查看。（下图红色区域为用户选择的非感兴趣区域，可进行删除）
 *  ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 2][]

## 2.3 [Colmap][] ##

a general-purpose Structure-from-Motion (SfM) and Multi-View Stereo (MVS) pipeline with a graphical and command-line interface.

*  是否开源：**[是][Colmap]**
 *  [文档][Colmap]：**有详细说明，共13章节**
 *  兼容性：兼容OS X/Windows/Linux
 *  主要特性：输入多视角图像，输出**稀疏点云**并估计**相机参数**，**后续步骤**需基于[CUDA][]实现。采用**Patch Match**的信息传递策略，采用**GEM**进行深度估计。
 *  实际体验效果：
 *  ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 3][]

可见重建精度还是不错的，并且整体操作上比较快。

## 2.4 [Bundler][] ##

Structure from Motion (SfM) for Unordered Image Collections

*  是否开源：[是][Link 4]
 *  文档：小规模(5k词左右)，无详细接口说明
 *  兼容性：虽然已发布windows版本，但开发和测试主要集中在Linux平台
 *  主要特性：输入多视角图像，**输出稀疏点云**并估计**相机参数**，与Colmap类似，视频显示在实际处理中B**undler速度更快**(30-40min)。虽然精度和点云密度不如colmap和visualSFM高，但本系统可以计算相机参数，因此可放入下面的CMVS系统中进行后处理。

下图为bundler处理后的结果（在meshlab中查看），能够明显看到点云密度不高。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 4][]

## 2.5 [CMVS][] ##

Clustering Views for Multi-view Stereo

*  是否开源：[是][https_github.com_pmoulon_CMVS-PMVS]
 *  文档：小规模，无接口说明
 *  兼容性：有windows版本，linux为命令行版本
 *  主要特性：将SfM系统的输出（稀疏点云）作为本系统的输入，本系统可将输入图像分解成一组可管理大小的**图像集群**。之后可以使用MVS软件独立并且**并行地处理每个集群**。本系统应该与SfM软件（例如Bundler）和MVS软件（例如PMVS2）结合使用。

不过视频作者的例子中，bundler的输出放在本系统中作为输入可能会存在问题，使用时还需注意。（下图为meshlab中查看的处理结果，细节丢失较严重）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 5][]

### [CMVS-PMVS][https_github.com_pmoulon_CMVS-PMVS] ###

CMVS是PMVS的改进版，（里面包含PMVS）是Yasutaka Furukama博士写的已知一组图片和图片对应的相机参数生成dense reconstruction (稠密的三维模型)。

*  CMVS 对影像进行聚簇，以减少数据量；
 *  PMVS （the patch-based MVS algorithm）方案负责重建稠密点云、重建表面和纹理映射；通过**匹配、膨胀、过滤**三个步骤，利用稀疏重建结果将其**向空间周围扩散**得到有向点云；通过增强光度一致性和满足全局可见性约束两个条件下，完成稠密匹配。

## 2.6[MVE][MVE 1] ##

a complete end-to-end pipeline for image-based geometry reconstruction.

*  是否开源：[是][Link 5]
 *  [文档][Link 6]：中等规模，有示例，有管线说明。
 *  兼容性：windows/OS X均可运行，文档说更推荐用OS X系统。
 *  主要特性：包含了SfM, 点云重建，表面重建。基本上能够完成三维重建的整个流程。
 *  实际体验：已编译运行，未进行完整操作流程。下图为MVE的用户界面

![SC-7.png][]

## 2.7 [MVS-Texturing][] ##

3D Reconstruction Texturing

*  是否开源：[是][Link 7]
 *  文档：小规模，有用法说明。
 *  兼容性：命令行程序
 *  主要特性：能够完成大规模图像输入的**纹理映射**。特别是能够在缩放、模糊、遮挡物、曝光变化的情况下完成高质量的纹理映射。最后的效果比较干净![SC-8.jpg][]

## 2.8 [OpenMVG][] ##

open Multiple View Geometry

是否开源：[是][Link 8]

[文档][Link 9]：大规模，分8个章节。

兼容性：三大平台

主要功能：精确解决多视图几何中的常见问题；保证代码可读性和易用性。负责从原始图像到稀疏点云。

## 2.9 [OpenMVS][] ##

open Multi-View Stereo reconstruction library

是否开源：[是][Link 10]

[文档][Link 11]：中等规模，分5节，逻辑比较顺畅。

兼容性：三大平台均可编译

主要功能：稠密点云重建、表面重建、表面细化、纹理映射。（输入是一组相机姿态加上稀疏点云，输出是一个纹理网格）

*  1、dense point-cloud reconstruction
 *  2、mesh reconstruction
 *  3、**mesh refinement**
 *  4、mesh texturing

值得注意的是表面细化(mesh refinement)这一步，是其他系统中比较少见的，效果如下：

![SC-9.jpg][][![832c97bf72c008cd037e240bc9ff088a.png][]][832c97bf72c008cd037e240bc9ff088a.png 1]

虽然OpenMVS和上面的OpenMVG并不是同一个团队所作，但这两个系统恰好一起完成了三维重建的整个流程，可以协同使用。

--------------------

小结：对比现有若干系统后，我决定从文档较规范的系统入手，仔细挖掘其中的关键函数和对应的作用，试着逐渐理解。比如可视化程度比较好的meshlab，更适合OS X平台的MVE，以及能够配套使用的完整库OpenMVG和OpenMVS。顺便挖一些有价值的论文一起啃。未来几个月的任务仍然艰巨，不可懈怠。

此外，这份文档处于入门级别，仅仅是粗略记录这些系统的功能，方便找到项目地址。仅供参考，欢迎交流。

# 参考： #

*  [对比几个三维重建系统][Link 12]

[Link 1]: https://www.youtube.com/watch?v=ELHOjC_V-FE
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70]: /images/20221022/ac0008c40875410f85b2014e934169da.png
[VisualSFM]: http://ccwu.me/vsfm/
[Link 2]: http://ccwu.me/vsfm/doc.html
[MVE]: https://www.gcc.tu-darmstadt.de/home/proj/mve/index.en.jsp
[SURE]: http://www.ifp.uni-stuttgart.de/publications/software/sure/index.en.html
[MeshRecon]: http://zhuoliang.me/meshrecon.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 1]: /images/20221022/dc240ea0336744948f3f6f29c09f08d0.png
[https_github.com_pmoulon_CMVS-PMVS]: https://github.com/pmoulon/CMVS-PMVS
[Meshlab]: http://www.meshlab.net/
[Link 3]: https://github.com/cnr-isti-vclab/meshlab
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 2]: /images/20221022/17f5799e986343a88b33cdd5507c6139.png
[Colmap]: https://colmap.github.io/
[CUDA]: https://en.wikipedia.org/wiki/CUDA
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 3]: /images/20221022/bd5a20c98b1c49b69f16bb23b7db1526.png
[Bundler]: http://www.cs.cornell.edu/~snavely/bundler/
[Link 4]: https://github.com/snavely/bundler_sfm
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 4]: /images/20221022/43e3373661de429f81847b4e19a8355b.png
[CMVS]: https://www.di.ens.fr/cmvs/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 5]: /images/20221022/1b46c82a65cc428c992b0d30e5ea5ab2.png
[MVE 1]: https://www.gcc.tu-darmstadt.de/home/proj/mve/
[Link 5]: https://github.com/simonfuhrmann/mve
[Link 6]: https://github.com/simonfuhrmann/mve/wiki/MVE-Users-Guide
[SC-7.png]: /images/20221022/ad9843dfc7604655b9d84dcd1cd7f46a.png
[MVS-Texturing]: https://www.gcc.tu-darmstadt.de/home/proj/texrecon/
[Link 7]: https://github.com/nmoehrle/mvs-texturing
[SC-8.jpg]: /images/20221022/87dd56cef87548d496d35e5d0cc144ad.png
[OpenMVG]: http://imagine.enpc.fr/~moulonp/openMVG/
[Link 8]: http://leohope.com/%E8%A7%A3%E9%97%AE%E9%A2%98/2018/03/06/compare-re3d-system/
[Link 9]: https://openmvg.readthedocs.io/en/latest/
[OpenMVS]: https://cdcseacave.github.io/openMVS/
[Link 10]: https://github.com/cdcseacave/openMVS
[Link 11]: https://github.com/cdcseacave/openMVS/wiki
[SC-9.jpg]: https://img-blog.csdnimg.cn/img_convert/10c5eeef492fdeafd5028176a2692caf.png
[832c97bf72c008cd037e240bc9ff088a.png]: /images/20221022/9e2602f8b62d40199db0e457c1a50b1b.png
[832c97bf72c008cd037e240bc9ff088a.png 1]: https://github.com/HusterHope/blogimage/raw/master/SC-10.jpg
[Link 12]: http://http//leohope.com/%E8%A7%A3%E9%97%AE%E9%A2%98/2018/03/06/compare-re3d-system/