Spirula Studio运动恢复结构(SfM)全流程extract→match→map→sparse【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studioSpirula Studio 是一款开源、跨显卡厂商的3D Gaussian Splatting3DGS训练工具内置了 GPU 加速的**运动恢复结构Structure from MotionSfM**流水线。本文带你完整走一遍它的extract → match → map → sparse四步流程一条命令把照片文件夹或视频抽帧变成 COLMAP 格式的sparse/稀疏模型——无需 Python/PyTorch也无需单独安装 COLMAPNVIDIA、AMD、Intel 和 Apple 显卡均可运行。一、为什么你不需要再装 COLMAP传统 3DGS 工作流里SfM 通常是前置工序先跑 COLMAP 得到相机位姿和稀疏点云再交给训练脚本。而 Spirula Studio 把这条流水线做成了独立模块 src/sfm/GPU 全流程特征提取、描述子匹配、两视图几何验证、全局光束法平差BA都跑在 GPU 上Vulkan Slang 计算后端零重型依赖没有 OpenCV、Ceres、Eigen、SQLite、PyTorch只有一个自带 Vulkan 上下文的 C 库COLMAP 磁盘格式即交换格式每个阶段都读写磁盘文件任何一步都可以换成 COLMAP 的等价命令来对比排查问题可插拔学习前端默认 GPU SIFT也支持 ALIKED LightGlue、LoMa 等学习型特征--features loma-b128。二、四个阶段总览images/ ─► extract ─► features/*.bin ─┐ ├─► match ─► matches.bin ─► map ─► sparse/0..N阶段命令输入 → 输出核心工作① extractspirula sfm extract图片 →features/GPU SIFT 关键点 描述子提取自动读取 EXIF 焦距先验② matchspirula sfm matchfeatures/→matches.bin配对选择穷举/顺序回环→ GPU 暴力匹配 → 两视图 RANSAC 验证③ mapspirula sfm mapmatches.binfeatures/→sparse/0..N增量式重建选种子对、逐帧注册、三角化、全局 BA最后合并/审计模型④ merge / ba可选spirula sfm merge、spirula sfm basparse/→ 合并后的模型多模型 Sim(3) 对齐合并或对单个模型补做一轮 BA各阶段实现分别位于特征提取src/sfm/feature/Extractor.cpp、src/sfm/feature/Sift.h匹配与验证src/sfm/feature/Matcher.h、src/sfm/feature/Verification.h增量重建器src/sfm/map/Mapper.h模型合并/审计/切分调度src/sfm/map/Assemble.h光束法平差求解器GPU 稠密 Cholesky / PCGsrc/sfm/ba/三、快速开始一行命令跑完全流程新手只需要auto子命令它把四个阶段串起来且只需两个旋钮# 照片文件夹 → sparse 模型 spirula sfm auto IMAGES/ -o WORKSPACE/ # 视频抽帧数据集顺序配对 回环闭合 spirula sfm auto IMAGES/ -o WORKSPACE/ --data-type video --quality high # 鱼眼相机 掩膜去掉被遮挡像素上的特征点 spirula sfm auto IMAGES/ -o ws/ --camera-model opencv-fisheye --masks MASKS/--quality low|medium|high|extreme控制工作分辨率、特征点数量上限和配对选择范围--data-type individual|video|internet控制配对策略——单张照片穷举、视频帧顺序窗口默认开启--loop-closure防止绕一圈接不上头、网络图集内容相似配对想分步调试时随时可以退回到extract → match → map三个子命令逐个运行阶段图见 src/sfm/README.md全部参数的唯一定义在 src/sfm/SfmConfig.h——CLI 的--help和 GUI 的选项编辑器读的是同一张描述表所以 GUI 里看到什么命令行就有什么。几个值得知道的默认行为结果自动摆正--orient默认开会把模型写成上方向正、居中、单位尺度配合--level ground默认还会自动把地面放到 z0导出的点云/网格不再歪斜视频自带 IMU/GPS 就白拿米制尺度Insta360、GoPro、DJI 等格式内置的传感器数据会被读取为先验详见 docs/notes/imu-gps-for-sfm.md模型可直接以米为单位输出无人机姿态照片 XMP 里的云台俯仰/横滚会自动投票修正上方向俯拍场景下效果尤其明显。四、在 GUI 中观察整条流水线Spirula Studio 的 GUI 直接驱动同一个 SfM 库进程内调用进度文件每秒刷新重建进行时你能看到实时进度条、特征点 reel 和悬停匹配视图。运行结束后sparse/0/里的cameras.bin、images.bin、points3D.bin会被训练器自动识别——布局说明见 docs/datasets.md。五、常用参数速查参数作用适用阶段--quality high特征/配对质量预设extract、match、map--data-type video顺序帧配对策略match--masks MASKS/掩膜区域不提取特征点extract--camera-model opencv-fisheye鱼眼相机模型match、map--features aliked-n16rot切换学习型特征前端extract、match--mapper bottom-up自底向上并行重建调度大场景map--metric-gps horizontal用 EXIF GPS 恢复米制尺度map--ba-real cpuBA 放到 CPU 求解无 fp64 的核显自动回退map、ba六、关键文件资料SfM 模块完整设计文档必读src/sfm/README.md流水线阶段定义与auto编排src/sfm/Pipeline.h、src/sfm/Pipeline.cpp参数总表CLI/GUI 共享的单一事实来源src/sfm/SfmConfig.hCLI 入口与帮助文本src/app/cli/sfm_main.cppGUI 进程内驱动方案docs/notes/sfm-in-process-plan.md位姿精度评测脚本对照 Nerfstudio/Metashape 参考tools/sfm/eval_poses.py小结Spirula Studio 的 SfM 把提取 → 匹配 → 重建搬上了 GPU用spirula sfm auto一条命令即可从照片/视频得到训练器可直接消费的sparse/模型。对新手来说记住三个入口就够auto一键全跑、--quality调质量、--data-type调配对其余默认值都已按最常用场景调好。【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考