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。
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，我们推出了国内首个《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。
课程大纲
▲微信扫码可查看、购买、学习课程
▲长按加客服微信，咨询更多
适合人群
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
（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
-
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
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
▲微信扫码可查看、购买、学习课程
▲长按加客服微信：cv3d007，咨询更多
