視覺三維重建 = 定位定姿 + 稠密重建 + surface reconstruction +紋理貼圖。三維重建技術(shù)是計算機視覺的重要技術(shù)之一，基于視覺的三維重建技術(shù)通過深度數(shù)據(jù)獲取、預(yù)處理、點云配準與融合、生成物體表面等過程，把真實場景刻畫成符合計算機邏輯表達的數(shù)學模型。

然而，由于視覺三維重建對圖像、光學、成像理論、以及重要數(shù)學公式的的推導(dǎo)要求較高，其次，三維重建也有其應(yīng)用上的痛點、難點，比如成本預(yù)算、大場景、物體運動、紋理缺失、暗環(huán)境等，因而其涉及的算法也多種多樣。鑒于視覺三維重建學習相關(guān)教材寥寥無幾，網(wǎng)上資料也比較零散，國內(nèi)外幾乎沒有系統(tǒng)講解三維重建相關(guān)的課程。

為此，3D視覺工坊推出了國內(nèi)首個《徹底搞透基于colmap的視覺三維重建：原理剖析、代碼講解、及優(yōu)化改進》，本課程是國內(nèi)首個深入剖析colmap原理、代碼講解、并對開源代碼進行優(yōu)化改進的課程，由資深三維重建算法工程師主講及指導(dǎo)。

開課時間：6月5號20點開課，課程歷時4個月，一年內(nèi)有效。

1

課程講師

李城，資深三維重建算法工程師，擔任過知名企業(yè)的圖形圖像算法工程師，高精度地圖算法工程師。

2

課程大綱

3

適合人群

1、理工科相關(guān)專業(yè)，熟悉三維重建、線性代數(shù)、概率論等相關(guān)理論知識、有一定c++、python編程基礎(chǔ)；

2、已經(jīng)入門三維重建研究領(lǐng)域的本科、碩士及博士研究生；

3、希望通過此課程能夠快速實現(xiàn)三維重建算法，并能在項目中應(yīng)用的研究人員；

4

學后收獲

1、掌握視覺三維重建整個流程，對colmap框架能夠有較深的理解，其它開源視覺框架也能快速著手。

2、掌握colmap中的多視圖幾何算法、光束法平差算法以及內(nèi)在的實現(xiàn)技巧，為后續(xù)思考colmap框架的優(yōu)化方法鋪墊了夯實的基礎(chǔ)。

3、鍛煉舉一反三能力，將colmap中的優(yōu)秀算法融合到實際問題中，如恢復(fù)尺度、雷達和相機的標定等。

4、學會借鑒其它開源框架的優(yōu)點，如openmvg、opensfm 等，將其原理融合到colmap 中。

5

還能收獲什么

1. 優(yōu)質(zhì)的學習圈子

但凡購買本課程的學員，同時將會被贈予高額的《3D視覺從入門到精通》知識星球優(yōu)惠券一張（100~180元優(yōu)惠券）。星球匯集了國內(nèi)外各個高校的研究生、博士生，包括但不限于清華大學、上海交通大學、華中科技大學、武漢大學、南京大學、北京理工大學、北京航空航天大學；以及國外留學的小伙伴，主要就讀于南加州大學、墨爾本大學、慕尼黑工業(yè)大學、亞琛工業(yè)大學等。除此之外，還有很多一線工作的算法工程師、開發(fā)人員，包括但不限于百度、曠視、華為、奧比中光、云從、阿丘科技等。3D視覺從入門到精通知識星球是一個技術(shù)社區(qū)，在這里你可以討論任何3D視覺相關(guān)的難題、前沿技術(shù)。星球邀請了國內(nèi)外高校博士（北航、慕尼黑工業(yè)大學等）、CV獨角獸公司CTO/CEO、以及各大廠的算法工程師解惑。在這里，你可以一對一和大佬交流，提出自己在工作學習上的疑問。

6

課程服務(wù)

1.主講及助理全程答疑

可以在專屬微信群或者知識星球內(nèi)，每天晚上8~10點為集中答疑時間。以下為微信群及星球內(nèi)部主講日常答疑帖子截圖。

圖1 日常分享

7

課程亮點

亮點一：算法原理結(jié)合代碼詳解，線下設(shè)置答疑群，可以面對面和講師溝通難題，更能和國內(nèi)外各大高校學員一起交流，創(chuàng)造一個優(yōu)異的學習環(huán)境。

亮點二：作者不僅僅只停留在講解原算法本身，會對算法處理數(shù)據(jù)存在的問題進行改進。

作者改進colmap部分成果示意：

• colmap融合gps（攝影測量領(lǐng)域即是gps輔助空中三角測量）（1）無人機數(shù)據(jù) a.原生colmap跑數(shù)據(jù)結(jié)果，出現(xiàn)bending map

b.融合GPS跑數(shù)據(jù)結(jié)果

（2）車載數(shù)據(jù)

a.原生colmap跑數(shù)據(jù)，發(fā)生嚴重drift

b.colmap融合gps-rtk后的效果

c.ground truth

• 無任何傳感器，無gps、無imu，特征點尺度約束的incremental sfm效果（a）原生colmap跑數(shù)據(jù)（b）特征點尺度約束的sfm跑數(shù)據(jù)

亮點三：舉一反三，會與目前主流的應(yīng)用(如自動駕駛、VR)進行結(jié)合

1) vslam或lslam的 prior pose 加上colmap 進行重定位地圖的建立

2) 利用colmap 進行激光雷達和相機的標定

3) 利用colmap 進行相機和GPS 的時間同步(或者說顧忌曝光延遲的gps約束)

4) 恢復(fù)單目的絕對尺度，應(yīng)用到實際場景中(也可隸屬課程亮點2中）

i、利用先驗的gps 恢復(fù)絕對尺度

ii、利用GCP 或者Marker 來恢復(fù)絕對尺度

iii、利用已知的模型比例(scale)來恢復(fù)絕對尺度

亮點四：采用問答方式來解析重點部分的代碼和算法原理

課程鏈接：
https://app0s6nfqrg6303.h5.xiaoeknow.com/v1/course/column/p_609161a1e4b071a81eb781a8?type=3