GLOMAP项目中RADIAL_FISHEYE相机模型的兼容性问题分析

在三维重建领域，GLOMAP作为COLMAP的改进版本，因其在共线运动场景下的优异表现而备受关注。然而，近期有用户反馈在使用GLOMAP处理车载摄像头数据时遇到了显著的性能问题和重建质量下降的情况。经过深入分析，我们发现这主要源于GLOMAP当前版本对RADIAL_FISHEYE相机模型的支持不足。

问题现象与背景

用户在使用GLOMAP处理约400张1080p分辨率的车载摄像头图像时，观察到相对姿态估计阶段耗时异常，从1分钟到超过30分钟不等，而相同数据集在COLMAP中仅需15-25分钟即可完成整个重建流程。此外，GLOMAP最终生成的姿态聚类出现了不连续的分割现象，影响了重建结果的连贯性。

值得注意的是，车载摄像头数据通常具有以下特点：

1. 显著的共线运动模式
2. 大视场角的鱼眼畸变
3. 连续帧间的高度相似性

根本原因分析

经过技术团队排查，发现问题核心在于GLOMAP当前集成的PoseLib版本对相机模型的支持限制。具体而言：

1. 支持的相机模型有限：当前GLOMAP使用的PoseLib版本仅支持PINHOLE、SIMPLE_PINHOLE、OPENCV和OPENCV_FISHEYE等基础相机模型，而用户使用的RADIAL_FISHEYE模型不在支持列表中。

2. 姿态估计失败：当遇到不支持的相机模型时，系统无法正确进行相对姿态估计，导致算法在错误处理上消耗大量时间，同时产生不理想的聚类结果。

解决方案与建议

针对这一问题，我们提出以下几种解决方案：

1. 相机模型替换方案

将相机模型改为PoseLib支持的类似模型：

• 使用OPENCV_FISHEYE替代RADIAL_FISHEYE
• 对于不太严重的畸变，可考虑SIMPLE_RADIAL模型
• 作为最后手段，可预先对图像进行去畸变处理，然后使用SIMPLE_PINHOLE模型

2. 关键点去畸变方案

参考技术团队提供的修改方案，在将关键点输入PoseLib前进行去畸变处理。这种方法可以保持原始相机模型的同时，使姿态估计能够正常进行。

3. 升级PoseLib集成

对于高级用户，可以考虑将GLOMAP升级到支持更多相机模型的PoseLib开发版本。但需注意：

• 开发版本可能存在API变更（如相机模块重命名等）
• 需要进行充分的测试验证
• 可能引入新的兼容性问题

性能优化建议

除了解决相机模型兼容性问题外，针对车载摄像头数据的特殊性质，我们还建议：

1. 参数调优：适当调整Triangulation.min_angle等参数，改善共线运动场景下的重建稳定性。

2. 预处理优化：考虑使用相机掩模和图像掩模来排除干扰区域，提高特征匹配质量。

3. 硬件加速：确保正确配置CUDA加速，并使用最新版本的Ceres-Solver以获得更好的性能。

总结

GLOMAP作为COLMAP的增强版本，在特定场景下具有明显优势，但其对相机模型的支持范围目前仍有一定限制。用户在处理车载摄像头等使用特殊相机模型的数据时，需要特别注意模型兼容性问题。通过选择合适的替代模型、应用关键点预处理或升级依赖库，可以有效解决这些问题，充分发挥GLOMAP在复杂运动场景下的重建优势。

对于未来版本，我们期待GLOMAP能够进一步扩展对更多专业相机模型的支持，特别是在车载、无人机等应用场景中常见的广角镜头模型，这将大大提升其在实践中的应用价值。