DAGSfM-Python

DAGSfM-Python是一个基于Python的Structure from Motion (SfM)系统，采用有向无环图(DAG)方法优化三维重建过程。该项目利用图论中的N-cut算法对场景进行分割，然后并行处理各个子块，最后合并结果以获得完整的三维重建。

本项目是 DAGSfM 的 Python 实现与优化版本，原项目由 Chen et al. 开发并用 C++ 实现。

项目架构

本项目采用模块化设计，主要包含以下几个核心模块：

DAGSfM-Python/
├── dagsfm/ # 核心模块
│ ├── __init__.py # 包初始化文件
│ ├── features.py # 特征提取与匹配模块
│ ├── partition.py # 场景分块模块（基于N-cut算法）
│ ├── view_graph.py # View-Graph构建与维护模块
│ ├── reconstruction.py # 子块重建模块
│ ├── merging.py # 子块合并与BA模块
│ ├── pipeline.py # CGraph工作流管理模块
│ └── utils.py # 工具函数模块
├── tests/ # 测试模块
│ ├── __init__.py # 测试包初始化文件
│ ├── test_features.py # 特征模块测试
│ ├── test_partition.py # 分块模块测试
│ ├── test_view_graph.py # View-Graph模块测试
│ ├── test_reconstruction.py # 重建模块测试
│ ├── test_merging.py # 合并模块测试
│ ├── test_pipeline.py # 工作流模块测试
│ └── test_utils.py # 工具模块测试
├── main.py # 主入口文件
├── run_tests.py # 测试运行脚本
├── requirements.txt # 项目依赖文件
└── README.md # 项目说明文件

核心模块说明

1. 特征提取与匹配模块 [features.py]

负责从图像中提取特征点（如SIFT）并进行特征匹配，构建图像间的匹配关系图。

2. 场景分块模块 [partition.py]

基于N-cut算法对整个场景进行分割，将大型SfM问题分解为多个较小的子问题。该模块包含：

• ViewGraphNode类：表示图像节点
• ViewGraph类：管理视图图结构
• NcutPartitioner类：实现N-cut分割算法

3. 子块重建模块 [reconstruction.py]

使用pycolmap或colmap对分割后的子块进行独立重建。

4. 子块合并与BA模块 [merging.py]

将各个子块的重建结果进行配准和合并，并进行全局光束法平差(Bundle Adjustment)优化。

5. 工作流管理模块 [pipeline.py]

使用CGraph的Python版本管理系统整体工作流程和模块间依赖关系。

TODO List

特征提取与匹配模块

• [✔] 集成SIFT特征提取(使用Colmap进行特征提取)
• [✔] 实现特征匹配功能(使用Colmap提供暴力匹配与空间匹配)
• 添加Hloc相关DL提点与匹配功能

View-Graph维护模块

• [] 循环旋转误差过滤View-Graph
• [] 检测最大连通分量过滤View-Graph
• [] 使用全局旋转平均过滤View-Graph

View-Graph分割与扩展模块

• [✔] 实现Ncut算法对View-Graph进行分割
• [✔] 基于分割后子块进行扩展

重建模块

• 实现子块单独重建(暂采用Colmap原天增量重建)

子模型合并模块

• 构建子模型图
• 检测图最大联通分量
• 使用Kruskal算法计算最小生成树
• 找到锚点，作为对齐参考

三角化与全局BA模块

• 添加三角化算法
• 添加全局BA算法

CGraph管理模块

工具与辅助功能

• 添加View-Graph分割可视化工具
• 添加日志记录功能
• 编写单元测试

文档完善

• 编写使用示例
• 添加安装指南

References

如果使用本项目进行研究，请引用原始 DAGSfM 项目及相关论文：

@article{chen2020graph,
title={Graph-Based Parallel Large Scale Structure from Motion},
author={Chen, Yu and Shen, Shuhan and Chen, Yisong and Wang, Guoping},
journal={Pattern Recognition},
pages={107537},
year={2020},
publisher={Elsevier}
}
@inproceedings{schoenberger2016sfm,
author={Sch\"{o}nberger, Johannes Lutz and Frahm, Jan-Michael},
title={Structure-from-Motion Revisited},
booktitle={Conference on Computer Vision and Pattern Recognition (CVPR)},
year={2016},
}

有关原始 DAGSfM 实现的更多信息，请访问: https://github.com/AIBluefisher/DAGSfM