windows下的colmap+openmvs进行三维重建流程全记录
1.colmap安装与配置
可参考：
https://blog.csdn.net/weixin_44153180/article/details/129334018?spm=1001.2014.3001.5501
2.openmvs安装与配置
可参考：
https://blog.csdn.net/rdw1246010462/article/details/121040949
以下步骤建立在已经有colmap和openmvs的可执行程序的条件下
3.colmap生成密集点云
首先新建一个文件夹pro, 在pro文件夹内新建一个image文件夹，把需要用来重建的影像放进去。
运行colmap的可执行文件，点击 File->New Project, Database那一栏点击new,在pro文件夹下新建一个test.db文件，文件路径不要有中文，Images那一栏点击select,选择刚才建的image文件夹，点击save保存
在界面中点击processing->Feature extraction,选择camera model 为PINHOLE，其他的默认参数就行，点击 Extract, 等待执行完毕
执行完成后，点击Processing->Feature matching，默认参数就行，点击 Run,等待执行完毕。
匹配完成后，点击Reconstruction ->Start reconstruction ，这一步就是SFM，执行完毕后得到类似于下面这样的稀疏点云。
在之前的image文件夹的同级目录下新建一个dense文件夹。
点击Reconstruction ->Dense reconstruction, 点击select, 选择刚才新建的dense文件夹，这里将要保存的就是dense重建的结果。依次点击Undistortion, Stereo, Fusion, 顺次执行完毕.
等待执行结束后，在colmap界面中点击File->export model as txt , 选择文件夹dense下的sparse文件夹，这是把.bin类型的sfm相关的文件转成txt格式，openmvs只支持txt格式的，所以必须转。转换后得到的文件
特别注意：打开cameras.txt看一下，如果相机模型是Pinhole，是可以的，如果不是改成pinhole,这里不管你之前选的是不是pinhole,这里都可以直接改没关系，因为openmvs只支持pinhole结果的模型。
4.openmvs 重建纹理模型
因为我是源码编译的，可以在vs2019中打开openmvs项目
首先，右键 InterfaceCOLMAP，
设为启动项目
并且打开项目属性，在
配置属性->调试->命令参数
中填入对应的参数
如果没有编译源码，而是直接用了编译好的可执行程序，那就在控制台入openMVS_sample的bin文件夹，执行命令：
InterfaceCOLMAP.exe -i G:\study\Dataset\Zeche\colmappro\dense -o G:\study\Dataset\Zeche\colmappro\dense\scene.mvs --image-folder G:\study\Dataset\Zeche\colmappro\dense\images
这时可以看到dense文件夹下生成了scene.mvs文件
接着可以执行mesh reconstruction, mesh refine , texture等操作
mesh reconstrction
命令参数为：
-w G:\study\Dataset\Zeche\colmappro\dense -i G:\study\Dataset\Zeche\colmappro\dense\scene.mvs -o G:\study\Dataset\Zeche\colmappro\dense\mesh.mvs
如果image不在当前文件夹，这里通过 -w 选项指定workspace的路径
mesh refine
命令参数为：
-w G:\study\Dataset\Zeche\colmappro\dense -i mesh.mvs -o refinemesh.mvs
这一步运行时间比较久，且占用内存巨大。我的电脑带不动，出现了报错，
算了跳过这一步
Meshtexture
-i G:\study\Dataset\Zeche\colmappro\dense\mesh.mvs -w G:\study\Dataset\Zeche\colmappro\dense
运行完之后，下载一个meshlab查看可视化结果，下载地址：
https://github.com/cnr-isti-vclab/meshlab/releases
5.mesh 结果
我的评价是，略粗糙。。。。可能是没有meshrefine成功的原因…
参考博客
https://blog.csdn.net/tangli_sea/article/details/108569035?spm=1001.2014.3001.5506