视觉三维重建中的关键技术及代码实现视频分享
写在前面
好消息，明晚8点（6月5日），我们工坊的视觉三维重建课程即将在小鹅通直播间正式开课。已经报名的小伙伴请记得准时观看，咱们不见不散。
本课程开启了限时优惠，正式开课后，将恢复原价
▲微信扫码可查看、购买、学习课程
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，3D视觉工坊推出了国内首个《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。
开课时间：6月5号20点开课，课程历时4个月，一年内有效。
1
课程讲师
李城，资深三维重建算法工程师，担任过知名企业的图形图像算法工程师，高精度地图算法工程师。
2
课程大纲
本课程开启了限时优惠
▲微信扫码可查看、购买、学习课程
▲长按加客服微信，咨询更多
3
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；
4
4
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。
5
还能收获什么
1. 优质的学习圈子
但凡购买本课程的学员，同时将会被赠予高额的《3D视觉从入门到精通》知识星球优惠券一张（100~180元优惠券）。星球汇集了国内外各个高校的研究生、博士生，包括但不限于清华大学、上海交通大学、华中科技大学、武汉大学、南京大学、北京理工大学、北京航空航天大学；以及国外留学的小伙伴，主要就读于南加州大学、墨尔本大学、慕尼黑工业大学、亚琛工业大学等。除此之外，还有很多一线工作的算法工程师、开发人员，包括但不限于百度、旷视、华为、奥比中光、云从、阿丘科技等。3D视觉从入门到精通知识星球是一个技术社区，在这里你可以讨论任何3D视觉相关的难题、前沿技术。星球邀请了国内外高校博士（北航、慕尼黑工业大学等）、CV独角兽公司CTO/CEO、以及各大厂的算法工程师解惑。在这里，你可以一对一和大佬交流，提出自己在工作学习上的疑问。
6
课程服务
1.主讲及助理全程答疑
可以在专属微信群或者知识星球内，每天晚上8~10点为集中答疑时间。以下为微信群及星球内部主讲日常答疑帖子截图。
图1 日常分享
图2 日常分享
图3 日常问答
7
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
本课程开启了限时优惠
▲微信扫码可查看、购买、学习课程
▲长按加客服微信，咨询更多
点击“阅读原文”也可直接购买课程