稠密重建部分直接在sfm的基础之上调用cmvs可执行程序，cmvs集成了稀疏点云聚类算法和基于面片的稠密重建算法pmvs，其中pmvs是目前效果最好的稠密重建算法。

cmvs可执行程序在windows上的使用

准备资源.：在

此处

下载名为

CMVS for Windows

的文件，在下载后的binariesWin-Linux文件夹下即可找到对应的可执行文件，按照自己电脑配置选择Win32或Win64。(我选择Win64)

创建根文件夹，将Win64中的文件都拷贝到该文件夹内。

在根文件夹下创建一个名为pmvs的文件夹。该文件夹存放cmvs需要的输入文件及cmvs的输出结果。目录结构如下所示。

准备输入的文件：pmvs下应有三个子文件夹和一个文件，分别如下图所示。

models

：空文件夹，留给cmvs存放最终生成的ply格式点云。

txt

：存放

每个图片对应的投影矩阵

，命名方式为00000000.txt，00000001.txt，以此类推。(n个图片对应n个文件)

visualize

：存放重建使用的所有图片，命名方式为00000000.jpg，00000001.jpg，依次类推。图片顺序应与txt文件顺序对应，即名为00000000.jpg的图片的矩阵存放在00000000.txt中。

bundle.rd.out

：按照

bundler格式

存放的sfm输出文件。

执行：一般意义上使用命令窗口执行cmd命令来调用cmvs程序，但我之前的项目使用的是python编写，因而我使用python执行cmd命令。代码如下：

root = os.getcwd()

设置命令

commend1 = root + "\cmvs.exe" + " " + root + "\pmvs\ "

commend2 = root + "\genOption.exe" + " " + root + "\pmvs\ "

commend3 = root + "\pmvs2.exe" + " " + root + "\pmvs\ option-0000"

执行CMVS

process = subprocess.Popen(commend1, shell=True)

process.wait()

process = subprocess.Popen(commend2, shell=True)

process.wait()

process = subprocess.Popen(commend3, shell=True)

process.wait()

注意：第三个命令中，option-0000前面必须有空格；执行完一个命令再执行下一个命令，否则程序会出错。

执行完成后，在/pmvs/models中的option-0000.ply文件就是稠密重建的结果。

准备输入文件

有三个输入文件需要准备，下面依次说明。

visualize：这里是重建图片的副本，将待重建图片复制到visualize文件夹下即可，

注意命名必须为8位(4位也可)数字，格式最好为jpg

。

txt：每个图片对应的投影矩阵存放格式如下：

sfm已经了解了投影矩阵，P为内参矩阵与外参矩阵的乘积。存储txt文件的时候注意

顺序与visualize中图片顺序对应，最好sorted一下

。

每个txt中存放的实际内容参考如下：

3. bundle.rd.out

文件格式：

#Bundle file v0.3 ：文件头

总相机数(正常情况下等同于总的重建图片数) 总点数(sfm输出的稀疏点云点总数)

实际内容参考：

每个相机参数(一个相机参数由五行数据表示)

格式为：

第一行：焦距f 畸变参数k1 畸变参数k2

第二到四行：旋转矩阵R

第五行：平移量t

实际内容参考：

每个点参数(一个点参数由三行数据表示)

格式为：

第一行：三维点的坐标

第二行：该点的RGB颜色

第三行：该点的详细信息

第一个参数：能观察到该点的相机个数。之后以< camera > < key > < x >< y >四个参数参数为一组依次写入。

其中：< camera >为相机(图片)索引，< key >为keypoint序列索引，< x >< y >为该keypoint在图片上的二维坐标。

实际内容参考：

参考博客：