30 分钟装好 COLMAP从安装到稀疏稠密重建跑通【免费下载链接】colmapCOLMAP - Structure-from-Motion and Multi-View Stereo项目地址: https://gitcode.com/GitHub_Trending/co/colmap如果你之前尝试跑 COLMAP一个基于多视角 2D 照片的通用三维重建工具能从不带顺序的照片里恢复出场景结构和相机位姿卡住你的多半是安装页上那面依赖墙。其实只要出模型你只需要选一条适合自己的安装路径再用 3 条命令就能拿到第一个三维模型。整篇按三档递进跑通装好并出第一个模型→跑顺完整流水线与 Python 绑定→跑快GPU 加速。你可以根据自己当前的状态直接跳到对应小节。跑通3 条命令拿到第一个三维模型选一条安装路径不同环境门槛差很多先对照下表选路径耗时门槛你能得到Windows 预编译二进制约 5 分钟无图形界面 命令行Macbrew install colmap约 10 分钟Homebrew图形界面 命令行Linux 包管理器约 10 分钟sudo图形界面 命令行pip install pycolmap约 5 分钟Python 3.10Python 里调用全部核心功能源码编译30 分钟起CMake 依赖全家桶完全可定制支持 CUDA⚠️ 发行版包apt / brew图省事但版本可能滞后且基本不带 CUDA。如果你的目标是 GPU 加速建议直接规划源码编译跑快一节会给出完整命令。 只想验证流程的话最省事的是pip install pycolmap不动任何 C 环境就能调全部核心功能。跑一键重建装好后准备一个目录把照片放进其中的images文件夹。automatic_reconstructor是 COLMAP 的一键命令内部自动完成特征提取 → 匹配 → 稀疏重建不用手动分步colmap automatic_reconstructor \ --image_path /path/to/project/images \ --workspace_path /path/to/project这两个参数是唯一必填项其余参数先全部用默认值。跑完后工作区下会生成sparse文件夹里面就是稀疏模型相机位姿 三维点云。用图形界面打开看看效果colmap gui⚠️ Windows 用户请用COLMAP.bat代替colmap首次运行可能弹安全提示二进制未签名点更多信息 → 仍要运行即可。⚠️ 如果模型是空的或者少图最常见原因是照片重叠度不够、或拍摄对象纹理太平。先补拍重叠更多的照片再试。这一档适合谁只想 30 分钟内看到结果的人无论你用图形界面还是命令行。跑顺完整命令流水线与 Python 绑定automatic_reconstructor集成的好处是省心代价是参数不好调。想精细控制时把流程拆开成独立命令即可全部命令和参数见命令行参考。稀疏重建三步走特征提取和匹配的结果存进一个 SQLite 数据库mapper消费这个数据库来重建。前两条命令只需跑一次结果可以反复复用colmap feature_extractor \ --database_path project/database.db \ --image_path project/images colmap exhaustive_matcher \ --database_path project/database.db colmap mapper \ --database_path project/database.db \ --image_path project/images \ --output_path project/sparse如果照片多几百张以上穷举匹配开销很大可以换成sequential_matcher适合无人机、视频这类有顺序的序列或vocab_tree_matcher适合无序大场景。稠密重建三步走稠密阶段再分三步先 undistort把图像矫正成针孔相机模型方便后续估深度再做 PatchMatch 深度估计最后把深度图融合成稠密点云colmap image_undistorter \ --image_path project/images \ --input_path project/sparse/0 \ --output_path project/dense \ --output_type COLMAP colmap patch_match_stereo \ --workspace_path project/dense \ --workspace_format COLMAP colmap stereo_fusion \ --workspace_path project/dense \ --workspace_format COLMAP \ --output_path project/dense/fused.ply⚠️patch_match_stereo需要带 CUDA 编译的版本才能跑。没有 GPU 时稀疏阶段完全可用只是稠密这步走不通。或者全部写成 Python想批量处理多组照片、或把重建嵌进自己的管线时pycolmap 示例目录里有现成脚本可以直接抄核心就这几行import pycolmap pycolmap.extract_features(database_path, image_dir) pycolmap.match_exhaustive(database_path) maps pycolmap.incremental_mapping(database_path, image_dir, output_path) maps[0].write(output_path)每个步骤都能用 dict 传参微调例如extraction_options{sift: {max_num_features: 512}}比命令行拼参数直观得多。 主要命令特征提取、匹配、mapper、patch_match_stereo等都支持中断后续跑对着同一个数据库或工作区重跑相同命令它会跳过已完成的部分接着干。这一档适合谁需要调参数、批量处理照片集或想把重建写进脚本的人。跑快打开 GPU 加速有 NVIDIA 显卡的 Linux 机器先装 CUDA 工具包再克隆源码准备编译sudo apt-get install nvidia-cuda-toolkit nvidia-cuda-toolkit-gcc git clone https://gitcode.com/GitHub_Trending/co/colmap cd colmap mkdir build cd build配置时加上CMAKE_CUDA_ARCHITECTURES参数并指定为native表示只为你当前这块 GPU 编译速度最优cmake .. -GNinja -DCMAKE_CUDA_ARCHITECTURESnative ninja如果要分发到多块不同型号的卡把这个值改成all或all-major即可。⚠️ Ubuntu 22.04 上系统 CUDA 包和默认 GCC 有兼容问题需要先装gcc-10 g-10并把CC、CXX、CUDAHOSTCXX都指向 GCC 10 再编译详见安装文档。Windows 与容器两条捷径Windows上不建议手动装依赖用 VCPKG 一条命令就能把依赖和 CUDA 一起搞定.\vcpkg install colmap[cuda,tests]:x64-windows不想动宿主环境的话仓库自带配好 CUDA 的 Docker 脚本一行命令把你的数据目录挂进容器bash docker/run.sh /path/to/your/data进容器后照常敲colmap命令用法和单机完全一致。编译出 CUDA 版本后特征提取和匹配各有一个开关可以直接切到 GPUcolmap feature_extractor \ --database_path project/database.db \ --image_path project/images \ --FeatureExtraction.use_gpu 1只打算用 pycolmap 的话还有官方 GPU 轮子pip install pycolmap-cuda12目前仅 Linux。这一档适合谁照片量大、要做稠密重建或者手上有 GPU 想让它干活的人。下一步你可以试试敲colmap help看全部子命令任何命令加-h查参数把mapper换成global_mapper全局流水线适合 EXIF 焦距可靠的场景建议先跑view_graph_calibrator把 COLMAP 当 C 库链进自己的项目示例工程在 doc/sample-project/用pycolmap.Reconstruction加载已有模型遍历相机和点云做自己的分析稠密网格太大时用mesh_simplifier抽稀延伸阅读安装与依赖详解doc/install.rst命令行完整参考doc/cli.rst图形界面使用指南doc/gui.rstPython API 文档doc/pycolmap/index.rstpycolmap 可运行示例python/examples/【免费下载链接】colmapCOLMAP - Structure-from-Motion and Multi-View Stereo项目地址: https://gitcode.com/GitHub_Trending/co/colmap创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 30 分钟装好 COLMAP：从安装到稀疏+稠密重建跑通
30 分钟装好 COLMAP从安装到稀疏稠密重建跑通【免费下载链接】colmapCOLMAP - Structure-from-Motion and Multi-View Stereo项目地址: https://gitcode.com/GitHub_Trending/co/colmap如果你之前尝试跑 COLMAP一个基于多视角 2D 照片的通用三维重建工具能从不带顺序的照片里恢复出场景结构和相机位姿卡住你的多半是安装页上那面依赖墙。其实只要出模型你只需要选一条适合自己的安装路径再用 3 条命令就能拿到第一个三维模型。整篇按三档递进跑通装好并出第一个模型→跑顺完整流水线与 Python 绑定→跑快GPU 加速。你可以根据自己当前的状态直接跳到对应小节。跑通3 条命令拿到第一个三维模型选一条安装路径不同环境门槛差很多先对照下表选路径耗时门槛你能得到Windows 预编译二进制约 5 分钟无图形界面 命令行Macbrew install colmap约 10 分钟Homebrew图形界面 命令行Linux 包管理器约 10 分钟sudo图形界面 命令行pip install pycolmap约 5 分钟Python 3.10Python 里调用全部核心功能源码编译30 分钟起CMake 依赖全家桶完全可定制支持 CUDA⚠️ 发行版包apt / brew图省事但版本可能滞后且基本不带 CUDA。如果你的目标是 GPU 加速建议直接规划源码编译跑快一节会给出完整命令。 只想验证流程的话最省事的是pip install pycolmap不动任何 C 环境就能调全部核心功能。跑一键重建装好后准备一个目录把照片放进其中的images文件夹。automatic_reconstructor是 COLMAP 的一键命令内部自动完成特征提取 → 匹配 → 稀疏重建不用手动分步colmap automatic_reconstructor \ --image_path /path/to/project/images \ --workspace_path /path/to/project这两个参数是唯一必填项其余参数先全部用默认值。跑完后工作区下会生成sparse文件夹里面就是稀疏模型相机位姿 三维点云。用图形界面打开看看效果colmap gui⚠️ Windows 用户请用COLMAP.bat代替colmap首次运行可能弹安全提示二进制未签名点更多信息 → 仍要运行即可。⚠️ 如果模型是空的或者少图最常见原因是照片重叠度不够、或拍摄对象纹理太平。先补拍重叠更多的照片再试。这一档适合谁只想 30 分钟内看到结果的人无论你用图形界面还是命令行。跑顺完整命令流水线与 Python 绑定automatic_reconstructor集成的好处是省心代价是参数不好调。想精细控制时把流程拆开成独立命令即可全部命令和参数见命令行参考。稀疏重建三步走特征提取和匹配的结果存进一个 SQLite 数据库mapper消费这个数据库来重建。前两条命令只需跑一次结果可以反复复用colmap feature_extractor \ --database_path project/database.db \ --image_path project/images colmap exhaustive_matcher \ --database_path project/database.db colmap mapper \ --database_path project/database.db \ --image_path project/images \ --output_path project/sparse如果照片多几百张以上穷举匹配开销很大可以换成sequential_matcher适合无人机、视频这类有顺序的序列或vocab_tree_matcher适合无序大场景。稠密重建三步走稠密阶段再分三步先 undistort把图像矫正成针孔相机模型方便后续估深度再做 PatchMatch 深度估计最后把深度图融合成稠密点云colmap image_undistorter \ --image_path project/images \ --input_path project/sparse/0 \ --output_path project/dense \ --output_type COLMAP colmap patch_match_stereo \ --workspace_path project/dense \ --workspace_format COLMAP colmap stereo_fusion \ --workspace_path project/dense \ --workspace_format COLMAP \ --output_path project/dense/fused.ply⚠️patch_match_stereo需要带 CUDA 编译的版本才能跑。没有 GPU 时稀疏阶段完全可用只是稠密这步走不通。或者全部写成 Python想批量处理多组照片、或把重建嵌进自己的管线时pycolmap 示例目录里有现成脚本可以直接抄核心就这几行import pycolmap pycolmap.extract_features(database_path, image_dir) pycolmap.match_exhaustive(database_path) maps pycolmap.incremental_mapping(database_path, image_dir, output_path) maps[0].write(output_path)每个步骤都能用 dict 传参微调例如extraction_options{sift: {max_num_features: 512}}比命令行拼参数直观得多。 主要命令特征提取、匹配、mapper、patch_match_stereo等都支持中断后续跑对着同一个数据库或工作区重跑相同命令它会跳过已完成的部分接着干。这一档适合谁需要调参数、批量处理照片集或想把重建写进脚本的人。跑快打开 GPU 加速有 NVIDIA 显卡的 Linux 机器先装 CUDA 工具包再克隆源码准备编译sudo apt-get install nvidia-cuda-toolkit nvidia-cuda-toolkit-gcc git clone https://gitcode.com/GitHub_Trending/co/colmap cd colmap mkdir build cd build配置时加上CMAKE_CUDA_ARCHITECTURES参数并指定为native表示只为你当前这块 GPU 编译速度最优cmake .. -GNinja -DCMAKE_CUDA_ARCHITECTURESnative ninja如果要分发到多块不同型号的卡把这个值改成all或all-major即可。⚠️ Ubuntu 22.04 上系统 CUDA 包和默认 GCC 有兼容问题需要先装gcc-10 g-10并把CC、CXX、CUDAHOSTCXX都指向 GCC 10 再编译详见安装文档。Windows 与容器两条捷径Windows上不建议手动装依赖用 VCPKG 一条命令就能把依赖和 CUDA 一起搞定.\vcpkg install colmap[cuda,tests]:x64-windows不想动宿主环境的话仓库自带配好 CUDA 的 Docker 脚本一行命令把你的数据目录挂进容器bash docker/run.sh /path/to/your/data进容器后照常敲colmap命令用法和单机完全一致。编译出 CUDA 版本后特征提取和匹配各有一个开关可以直接切到 GPUcolmap feature_extractor \ --database_path project/database.db \ --image_path project/images \ --FeatureExtraction.use_gpu 1只打算用 pycolmap 的话还有官方 GPU 轮子pip install pycolmap-cuda12目前仅 Linux。这一档适合谁照片量大、要做稠密重建或者手上有 GPU 想让它干活的人。下一步你可以试试敲colmap help看全部子命令任何命令加-h查参数把mapper换成global_mapper全局流水线适合 EXIF 焦距可靠的场景建议先跑view_graph_calibrator把 COLMAP 当 C 库链进自己的项目示例工程在 doc/sample-project/用pycolmap.Reconstruction加载已有模型遍历相机和点云做自己的分析稠密网格太大时用mesh_simplifier抽稀延伸阅读安装与依赖详解doc/install.rst命令行完整参考doc/cli.rst图形界面使用指南doc/gui.rstPython API 文档doc/pycolmap/index.rstpycolmap 可运行示例python/examples/【免费下载链接】colmapCOLMAP - Structure-from-Motion and Multi-View Stereo项目地址: https://gitcode.com/GitHub_Trending/co/colmap创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考