摘要： 走进 openMVG：构建 3D 世界的数学基石 1. 什么是 openMVG？ openMVG (Multiple View Geometry) 是一个开源的 C++ 库，专注于...

走进 openMVG：构建 3D 世界的数学基石

1. 什么是 openMVG？

openMVG (Multiple View Geometry) 是一个开源的 C++ 库，专注于实现多视图几何 (Multiple View Geometry) 的核心算法。简单来说，它的核心任务是：给定一组从不同角度拍摄的 2D 图像，计算出相机的相对位置（姿态）以及场景中特征点的 3D 坐标。

在计算机视觉的完整管线中，openMVG 主要负责 SfM (Structure from Motion，运动恢复结构) 阶段。它并不直接生成高精度的密集点云或网格（那是 openMVS 等项目的职责），而是提供一个极其稳健的“稀疏重建”框架。

核心能力

• 相机内参标定：处理各种相机模型（针孔、鱼眼等）。
• 特征提取与匹配：利用 SIFT 等算法寻找图像间的共同点。
• 几何验证：通过对极几何（Epipolar Geometry）剔除误匹配。
• 增量式 SfM：逐步将新图像加入场景，通过 Bundle Adjustment (BA) 优化相机参数和 3D 点。
• 全局 SfM：通过旋转平均等方法快速计算所有相机姿态，提高效率。

2. openMVG 的技术架构

openMVG 的设计哲学是模块化和数学严谨性。其工作流通常遵循以下线性步骤：

2.1 图像分析 (Image Analysis)

首先，程序需要知道相机的内参（焦距、主点）。如果缺乏标定文件，openMVG 可以通过分析图片的 EXIF 信息来估算初始内参。

2.2 特征提取与匹配 (Feature Extraction & Matching)

• 提取：在每张图上寻找具有代表性的关键点（如 SIFT）。
• 匹配：将图 A 的点与图 B 的点进行比对。
• 过滤：使用 RANSAC 算法结合基础矩阵（Fundamental Matrix）或本质矩阵（Essential Matrix）剔除错误的匹配对。

2.3 稀疏重建 (Sparse Reconstruction)

这是 openMVG 的灵魂部分，分为两种模式： * Incremental SfM (增量式)：从两张匹配最