什么是摄影测量？运动恢复结构（SfM）通俗讲解

什么是摄影测量？

摄影测量（photogrammetry）是从照片中推算形状和位置的方法。美国农业部的农业叙词表用一句话定义它：从照片中推导出精确测量结果的科学。在今天的日常用法里，这个词通常指更具体的一件事：给一个物体或一处地方拍很多互相重叠的照片，再让软件把它们变成 3D 模型。

背后的原理和你的两只眼睛一样。同一个点从两个位置看，会落在略有不同的地方，这个差别就透露了它的远近。摄影测量软件对几十上百张照片、成千上万个点同时做这件事。

让普通的、无序的照片也能这样处理的核心技术，叫运动恢复结构（structure from motion，简称 SfM）。下面依次讲它做什么、后面还有哪些步骤、有哪些摄影测量软件，以及这种方法的边界在哪里。

运动恢复结构：先找出相机在哪里

运动恢复结构同时回答两个问题：每张照片拍摄时相机在哪里？它看到的点又在哪里？开源流程 COLMAP 的文档把这个过程分成三个阶段。

• 特征检测与提取。软件在每张图里寻找有辨识度的小位置，比如角点和纹理斑点，并为每一个存下一段数值描述。这类特征的经典例子是 SIFT，出自 David Lowe 2004 年的论文《Distinctive image features from scale-invariant keypoints》。
• 特征匹配与几何验证。在图片之间比较这些描述，找出不同照片里的同一个位置。不符合一致相机几何关系的匹配会被剔除。
• 结构与运动重建。逐步注册新的图片、三角化新的点，把场景一点点扩展开。

结果是一组相机位姿（每张照片的位置和朝向）、焦距等相机内部参数，以及一份稀疏点云：一层稀疏的、匹配可靠的 3D 点。它看上去像场景的一个朦胧轮廓，还算不上模型，但后面的一切都建立在它之上。这一步失败或跑偏，后面都补救不了。

从稀疏点到模型：稠密重建、网格、贴图

相机位置确定之后，软件就能做精细得多的工作，因为它已经确切知道每张照片之间的关系。

• 稠密重建。名为多视图立体（multi-view stereo）的步骤以 SfM 的结果为输入，为每张图的每个像素计算深度，而不只是那些有辨识度的位置。把这些深度图融合起来，就得到比稀疏点云细致得多的稠密点云。
• 网格化。根据稠密点云估计出表面，把它连成三角面。例如 COLMAP 提供 Poisson 和 Delaunay 两种网格化方法。
• 贴图。把原始照片投影回三角面，并拼成一张贴图，让网格带上对象的真实颜色。

最后得到的是带贴图的网格，也就是 3D 编辑软件、游戏引擎、AR 查看器以及（稍加清理后）3D 打印机使用的那类文件。面向测绘的工具还能用同一份数据生成平面成果，比如带地理参照的地图和高程模型。

摄影测量用在哪里

只需要一台相机，所以摄影测量出现在很多领域。下面是这些工具自己列出的例子：

• 无人机测绘。WebODM 说明可从航拍图像生成带地理参照的地图、点云、高程模型和带贴图的 3D 模型。
• 文化遗产与考古。Agisoft 把考古遗址、文物和建筑列为 Metashape 生成 3D 模型的对象。
• 测量。Metashape 专业版带有测量距离、面积和体积的工具。
• 游戏、影视和 AR。Apple 把 Object Capture 介绍为给真实物体创建逼真 3D 模型并可在 AR 中查看的方式，Epic 把 RealityScan 介绍为把周围环境变成数字资产的方式。

对爱好者来说，常见用途更简单：扫描一件东西再打印一份、给自己做的作品留一份 3D 记录，或者给个人项目做素材。

入门需要什么

门槛不高。

• 一台相机。起步用手机就够。照片清晰、曝光正常，比像素高低更重要。
• 合适的对象。表面要有看得见的纹理，而且要保持不动。
• 足够多、重叠足够的照片。COLMAP 的建议是每个部分至少出现在三张照片里，并且从不同位置拍，而不是站在原地转动。Apple 建议单个物体拍 20 到 200 张近距离照片。
• 稳定的光线。整组照片光照条件相近，没有强烈反差和眩光。
• 一台显卡够用的电脑。重活都是 GPU 在干，有些工具还绑定特定硬件。COLMAP 文档写明：没有支持 CUDA 的显卡时，除稠密重建外的功能都可使用；Apple 的 API 则运行在 macOS 上。
• 耐心。处理时间从几分钟到几小时不等，取决于照片数量和设置。

摄影测量软件：免费与付费的选择

摄影测量软件大致分几类。以下内容来自各项目自己的页面；条款会变，决定之前请再核对一次。

免费开源：

• COLMAP。通用的 SfM 与多视图立体流程，有图形界面和命令行，采用 new BSD 许可证。
• Meshroom。基于 AliceVision 框架的免费开源 3D 重建软件，以 MPLv2 发布。它的流程以节点图的形式呈现。
• WebODM。开源软件（AGPL v3），面向无人机图像和测绘成果。

多数个人免费、较大企业付费：

• Epic Games 的 RealityScan。其许可页面写明：过去 12 个月收入低于 100 万美元的个人和小型企业，以及学生和教育机构可免费使用；更大的公司按席位付费。另有免费的手机应用 RealityScan Mobile。

商业软件：

• Agisoft Metashape。分标准版和专业版，提供演示模式和 30 天试用。专业版增加了高程模型、正射影像、地面控制点和测量等测绘功能。

平台内置：

• Apple Object Capture。macOS 上的摄影测量 API，输出带材质贴图的网格，通常是 USDZ 文件。它是供应用使用的基础组件，本身不是一个应用。

所以，想找免费的摄影测量软件，确实有可用的选择。代价通常在便利性上：开源工具在安装和学习上要你多花些功夫。

摄影测量的局限

摄影测量依赖于在多张照片里找到同一个点。凡是破坏这个前提的情况，都会出问题。

• 没有纹理的表面。白墙或空桌面让软件无从匹配。
• 反光和透明材质。高光和倒影会随相机移动而移动，表现得不像固定的点。COLMAP 的建议就是避免光滑表面上的高光反射。
• 运动。人、宠物、风里的树叶和变化的影子都会让照片前后不一致。
• 细薄和毛茸茸的东西。头发、毛皮、枝叶和铁丝很难变成干净的三角面。
• 缺口。没拍到的地方就是缺失的，或者变成已知区域之间一段粗糙的连接。
• 真实尺寸。只靠照片建出的模型没有自带的尺度。用于测量的工具提供比例尺或地面控制点来设定它。

这些都不是软件缺陷，而是方法本身带来的结果。认真拍摄是绕开它们的主要办法。

高斯泼溅如何沿用同一步相机求解

高斯泼溅是用照片建立 3D 场景的较新方法，它并不取代运动恢复结构，而是从它开始。2023 年的原始论文《3D Gaussian Splatting for Real-Time Radiance Field Rendering》写明，它从相机标定过程中得到的稀疏点出发。实际操作中，这就是上面讲的特征匹配和相机求解。开源的泼溅引擎 Brush 也说明它以 COLMAP 数据作为输入。

两条路在这之后分开。摄影测量继续做稠密点云、网格和贴图。高斯泼溅则用大量彩色的小 3D 高斯来表示场景，不断调整它们，直到渲染出的画面与照片一致。这里没有表面，所以高斯场景能较好地呈现柔软和细碎的细节，也所以不能直接用在需要网格的地方。

两者继承了同一个弱点：如果因为重叠不足或照片缺少特征导致相机求解失败，两种方法都无从下手。

SplatLoom 适合哪里

SplatLoom 不是做网格的那种摄影测量软件，它不导出网格，也不做测量。需要可打印的模型或测绘成果，请用上面那些工具。

它用同样的第一步，得到不同的结果。SplatLoom 内置 COLMAP 负责相机求解、Brush 负责高斯泼溅训练，在你自己的 Mac（Apple Silicon，macOS 15 及以上）或 Windows 10/11 电脑上运行，不需要 Python 和命令行，不上传，不需要账号。选好互相重叠的照片或一段视频，点「生成」，整理场景，然后导出高斯 PLY、PNG 静帧、MP4 环绕视频或离线 HTML 查看器。价格为一次性 19.90 美元。如果你想从照片里得到的是一个可以环顾、便于分享的逼真画面，而不是网格，这就是它适合的地方。