COLMAP 数据解析

2026-6-23

[已归档]3DGS

在这篇文章中，我们将重点解析 COLMAP 的输出数据，并用 Python 和 PyTorch 将它们转化为模型可以理解的张量（Tensors）。

数据集

我们首先下载 Mip-NeRF 360 数据集。当我们解压完数据集（例如经典的盆栽 bonsai 场景），会看到一个层级分明的目录结构。

图像数据 (Images)

首先是大量的图像文件。数据集中不仅包含接近 4K 的原始高分辨率图像，还贴心地提供了下采样（Downscaled）版本：缩小 2 倍 (images_2)、缩小 4 倍 (images_4)、缩小 8 倍 (images_8)。

COLMAP 输出文件

COLMAP 算法运行后，会输出三个核心的二进制（.bin）文件，它们是 3D 重建的灵魂：

  • cameras.bin：记录相机的内参（焦距、中心点等）。
  • images.bin：记录每张照片对应的相机外参（位置和姿态）。
  • points3d.bin：稀疏的 3D 点云数据。

为了方便在 Python 中操作，我们会用脚本将这些 .bin 文件先转换为 .txt 文本格式，最后再打包成 NumPy 的 .npy 格式（如 cameras.npy、points3d.npy）。

代码实现

接下来，我们将进入代码环节。用 Python 读取这些 .npy 文件并为渲染做准备。

加载 3D 点云

点云文件（points3d.npy）中存储了场景中每一个离散点的信息。每一行代表一个点，包含 6 个关键值：前三个是空间坐标 (x, y, z)，后三个是颜色值 (R, G, B)。

  1. # 1. Load point cloud
  2. pc_path = "datasets/out_colmap/bonsai/point_cloud.npy"
  3. print(f"Loading point cloud from {pc_path}...")
  4. pc_data = np.load(pc_path)  # shape: (N, 6)
  5.    
  6. # Extract XYZ and RGB
  7. xyz = pc_data[:, :3]   # shape: (N, 3)
  8. rgb = pc_data[:, 3:6]  # shape: (N, 3)
  9.    
  10. # Convert to PyTorch tensors
  11. PC = torch.from_numpy(xyz).float()
  12. PCColor = torch.from_numpy(rgb).float() / 255.0  # Normalize to [0, 1]

加载相机参数

这里的相机采用的是针孔相机模型 (Pinhole Camera Model)。对于光学中心点 c_x 和 c_y，在理想状态下它们等于图像的 width / 2 和 height / 2。

  1. # 2. Load camera metadata
  2. meta_path = "datasets/out_colmap/bonsai/cam_meta.npy"
  3. print(f"Loading camera metadata from {meta_path}...")
  4. cam_meta = np.load(meta_path, allow_pickle=True).item()
  5. print("Camera metadata:", cam_meta)
  6.    
  7. height = cam_meta['height']
  8. width = cam_meta['width']
  9. fx = cam_meta['fx']
  10. fy = cam_meta['fy']
  11. cx = width / 2
  12. cy = height / 2

如果我们现在将准备好的 xyz 和 rgb 喂给光栅化器去绘图，会发现图像上什么也没有。

此时屏幕毫无画面，并非点云数据丢失了，而是因为相机没有看向点云。目前我们仅仅加载了相机的内参（焦距、图像尺寸），但还没有配置相机的外参（位置和朝向）。我们将在下一篇文章中进行实现。