大家好，又见面了，我是你们的朋友全栈君。

玩玩三维重建

版权声明：本文系本站作者自己翻译整理，欢迎转载，但转载请以超链接形式注明文章来源(planckscale.info)、作者信息和本声明，否则将追究法律责任。

我们在实时三维重建方面的工作今年已经密集展开。或许不久后某一天，你会在本站看到带有SLAM（即时定位与地图构建）功能的四轴飞行器，或者让你在书桌上打一场现代战争的增强现实应用。在敲锣打鼓欢天喜地亮出我们自己的三维重建实现前，先拿别人的东西给大家打打牙祭。

中科大刘利刚教授的3D建模软件与处理软件简介介绍了N多实用的3D相关软件。而基于照片的快速建模软件并不多，之前玩过123D Catch，很赞。围着你要建模的物体拍摄一圈，用123D Catch加载拍摄的图像，经过其强大的处理能力，生成具有纹理的3D模型。下图是我重建的我的蒙奇奇。你要做的只是拍照、上传、等待而已，相当简单。

但是123D Catch也存在一些局限，完全的黑盒子，对重建过程没有任何操控力。

要想了解从照片如何一步步重建出三维模型，并能操控某些过程，可用的免费开源软件也不少，较常用的是VisualSFM和Meshlab：

第一步：VisualSFM

VisualSFM软件允许我们上传一系列图像，它从这些图像中找到每一个图像的特定特征，利用这些特征信息重建出3D模型的稀疏点云，而后还可进行稠密点云重建。

输入：围着要重建对象拍摄的一系列照片；

输出：一个 .out文件，存储着每个相机的位置及重建出的稀疏点云；

一个.ply文件，存储着由稀疏点云重建出的稠密点云。

第二步：Meshlab

可用Meshlab对3D网格/点云做各种操作。输入VisualSFM的生成文件，Meshlab通过一系列操作可创建出包含纹理的、干净的、高分辨率的网格，并自动计算UV映射及创建纹理图像。

输入：VisualSFM的生成文件，.out文件和list.txt文件（存储照片序列）；以及.ply文件；

输出：一个.obj文件，3D模型的网格；

一个.png文件，任意大小的纹理图；

完整的流程见下图：

第一步：运行VisualSFM

1. 输入一系列图片

拍照注意事项：切忌不要站在原地，仅转动身体去拍：相机共中心能拼接全景，但是给不出三维重建的深度信息。要以待重建的对象为中心，围着它每转10-20度拍一张，这样转一圈，有不同高度信息更好。VisualSFM没有照片数量限制，照片越多，重建出的细节越丰富，但重建过程花费时间越长。

2. 特征检测及匹配

因照片可能存在旋转、缩放或亮度变化，此过程利用SIFT算法提取、描述特征，用 RANSAC算法过滤掉误匹配。此过程亦可利用GPU加速。工作状态实时显示在侧边的log窗口。

3. 利用SFM进行稀疏3D重建

利用 SFM 方法，通过迭代求解出相机参数和三维点坐标。即重建出3D模型的稀疏点云。若有“bad”相机（位置错误或朝向错误），结合工具栏上的“3+”按钮和手型按钮即可删除之，使结果更准确。

4. 利用 CMVS/PMVS 进行稠密3D重建

CMVS/PMVS需自己下载，编译，也可直接下载exe文件。而后把pmvs2.exe/cmvs.exe/genOption.exe文件放到VisualSFM.exe的同目录下。

通过 CMVS 对照片进行聚类，以减少稠密重建数据量，而后利用PMVS从3D模型的稀疏点云开始，在局部光度一致性和全局可见性约束下，经过匹配、扩散、过滤生成带真实颜色的稠密点云。(下图为用Meshlab查看效果图)

至此，VisualSFM的工作告一段落，结果都已存盘。若因图片匹配失败或图片较少导致某区域重建失败或重建出的某区域细节不足，可以返回添加一些这个区域的照片，重新来过（本人较懒，未作补充，谅解）。但因特征检测和匹配的结果已存盘（每张图像对应的.sift 和 .mat文件），所以已经匹配好的图像不必再次匹配，会更快完成。