【亲测免费】 VGGSfM: 开源三维重建项目教程

1. 项目介绍

VGGSfM（Visual Geometry Grounded Deep Structure From Motion）是一个由Meta AI Research和牛津大学VGG团队合作开发的开源项目。该项目利用深度学习技术，从一系列静态或动态图像中恢复出三维结构和相机姿态。VGGSfM在多个方面表现出色，包括静态场景的三维重建、动态场景的相机跟踪以及稠密点云的生成。

2. 项目快速启动

环境安装

首先，需要安装Python 3.10、PyTorch 2.1和CUDA 12.1。可以使用以下安装脚本：

source install.sh
python -m pip install -e .

该脚本会自动创建一个conda环境，并安装必要的依赖库，包括pytorch3d、lightglue、pycolmap、poselib和visdom。

运行示例

以下是运行项目的基本命令，这里以examples/kitchen场景为例：

python demo.py SCENE_DIR=examples/kitchen

可以根据需要调整参数，例如：

• 指定查询方法：query_method=sp+sift
• 增加查询点数：max_query_pts=4096
• 假设所有帧共享相机模型：shared_camera=True
• 使用SIMPLE_RADIAL相机模型：camera_type=SIMPLE_RADIAL
• 增加查询帧数：query_frame_num=6
• 禁用精细跟踪：fine_tracking=False

所有默认设置都定义在cfgs/demo.yaml文件中，可以根据需要调整。

结果保存

重建结果（相机参数和3D点）会自动保存在SCENE_DIR/sparse目录下，格式为COLMAP的cameras.bin、images.bin和points3D.bin。

3. 应用案例和最佳实践

使用自定义数据

如果使用自己的数据，只需指定数据地址：

python demo.py SCENE_DIR=/YOUR_FOLDER camera_type=SIMPLE_RADIAL gr_visualize=True make_reproj_video=True

确保图像存储在YOUR_FOLDER/images目录下。

生成稠密点云

要生成稠密点云，可以通过设置extra_pt_pixel_interval参数进行三角测量：

python demo.py extra_pt_pixel_interval=2

4. 典型生态项目

VGGSfM的开源生态中，包括了多个相关的项目，例如用于可视化重建结果的COLMAP GUI，以及用于生成稠密点云的NeRF和Gaussian Splatting代码库。这些项目相互补充，共同推进三维重建技术的发展。