使用 gps 进行摄影测量以生成 3d 纹理云
photogrammetry with gps to generate 3d textured cloud
由于使用 2d 图像进行 3d 重建是一个非常困难的话题，编写自己的应用程序来做到这一点不仅是一个挑战，而且是浪费时间（根据我正在阅读的内容）我想问一下怎么样带有 GPS 数据的图像？
想象一架无人机围绕一个物体飞行拍摄照片进行 3d 重建，让我们在 3d 中制作点云。
这会有帮助吗？知道 2d 图像的位置和路线 - 这是否会更容易编写将这些信息与 RGB 数据一起转换为 3d model/cloud 点的应用程序？
像往常一样，一切都是为了您的目标。如果您想玩得开心，您可以毫不费力地轻松获得 cm/m 准确的结果，如果您的目标是获得准确的结果，那么您需要处理和实施的信息量会随着您的期望呈指数级增长。
这里的大多数人都没有任何摄影测量经验，这意味着您必须将他们的回答更像是个人意见，而不是值得依赖的东西。
此时将摄影测量和计算机视觉分开。
如果你做计算机视觉，将2d图像转换成3d点云是很容易的。所有必要的算法都已写入 OpenCV 等库中。如果你想从头开始，这会花费你更多的时间，但或多或少你最终会在 OpenCV 中复制这些东西。
OpenCV 中的例程速度快但不准确。就现实世界的准确性而言，您可能不会超过（mm/m 到 cm/m）。它们更像是数学优化，这意味着："Fit something somewhere. If the in-sample error result is okay, everything is fine." 这对于有趣的应用程序来说是可以的，但它们从未像在专业领域中那样被使用。所以永远不要试图将 OpenCV 结果作为真实世界的准确性来出售，你会犯下欺诈行为。
编写好的摄影测量应用程序非常困难，因为突然间您必须考虑温度梯度和外部精度，这与反向投影误差无关。您还需要根据您的任务设计目标，因为 SIFT 目标在摄影测量中没有用处，它们太不准确。镜头必须用物理参数来描述，整个优化过程需要分多个步骤进行，以避免一定的系统误差。
因此，如果您不需要准确，请选择 CV 算法并使用现有的库（如 OpenCV），如果您有扎实的编程背景，这应该很容易。对于旨在实现小于 50µm/m 的真实世界精度的摄影测量任务，您需要投入更多时间。
那么 GPS 有帮助吗？
如果你想让你的 3D 模型像 ERTS89 一样在某个参考框架中并且没有办法找到某些点的一些现有坐标，那么是的。
另一种用途是，如果您想检查图像之间的位移作为控制值以避免严重错误，或者作为共线性方程的泰勒级数的初始值，它们可能会有所帮助。
另一方面，对于无人机来说足够轻的标准非差分 GPS 接收器在 3D 位置的 15m 精度非常差，所以你必须飞得高才能使误差足够小才能有用。
如果您可以从无人机收集视频及其 GIS 信息，则可以使用像 Pix4d 这样的摄影测量 3d 重建软件 (https://pix4d.com)
苏黎世大学在 2017 年已经完成了您提到的确切事情。请参阅下面的视频
https://www.youtube.com/watch?v=7hTvWbxxmY0
及其研究论文
由于使用 2d 图像进行 3d 重建是一个非常困难的话题，编写自己的应用程序来做到这一点不仅是一个挑战，而且是浪费时间（根据我正在阅读的内容）我想问一下怎么样带有 GPS 数据的图像？
想象一架无人机围绕一个物体飞行拍摄照片进行 3d 重建，让我们在 3d 中制作点云。
这会有帮助吗？知道 2d 图像的位置和路线 - 这是否会更容易编写将这些信息与 RGB 数据一起转换为 3d model/cloud 点的应用程序？
像往常一样，一切都是为了您的目标。如果您想玩得开心，您可以毫不费力地轻松获得 cm/m 准确的结果，如果您的目标是获得准确的结果，那么您需要处理和实施的信息量会随着您的期望呈指数级增长。
这里的大多数人都没有任何摄影测量经验，这意味着您必须将他们的回答更像是个人意见，而不是值得依赖的东西。
此时将摄影测量和计算机视觉分开。
如果你做计算机视觉，将2d图像转换成3d点云是很容易的。所有必要的算法都已写入 OpenCV 等库中。如果你想从头开始，这会花费你更多的时间，但或多或少你最终会在 OpenCV 中复制这些东西。
OpenCV 中的例程速度快但不准确。就现实世界的准确性而言，您可能不会超过（mm/m 到 cm/m）。它们更像是数学优化，这意味着："Fit something somewhere. If the in-sample error result is okay, everything is fine." 这对于有趣的应用程序来说是可以的，但它们从未像在专业领域中那样被使用。所以永远不要试图将 OpenCV 结果作为真实世界的准确性来出售，你会犯下欺诈行为。
编写好的摄影测量应用程序非常困难，因为突然间您必须考虑温度梯度和外部精度，这与反向投影误差无关。您还需要根据您的任务设计目标，因为 SIFT 目标在摄影测量中没有用处，它们太不准确。镜头必须用物理参数来描述，整个优化过程需要分多个步骤进行，以避免一定的系统误差。
因此，如果您不需要准确，请选择 CV 算法并使用现有的库（如 OpenCV），如果您有扎实的编程背景，这应该很容易。对于旨在实现小于 50µm/m 的真实世界精度的摄影测量任务，您需要投入更多时间。
那么 GPS 有帮助吗？ 如果你想让你的 3D 模型像 ERTS89 一样在某个参考框架中并且没有办法找到某些点的一些现有坐标，那么是的。
另一种用途是，如果您想检查图像之间的位移作为控制值以避免严重错误，或者作为共线性方程的泰勒级数的初始值，它们可能会有所帮助。
另一方面，对于无人机来说足够轻的标准非差分 GPS 接收器在 3D 位置的 15m 精度非常差，所以你必须飞得高才能使误差足够小才能有用。
如果您可以从无人机收集视频及其 GIS 信息，则可以使用像 Pix4d 这样的摄影测量 3d 重建软件 (https://pix4d.com)
苏黎世大学在 2017 年已经完成了您提到的确切事情。请参阅下面的视频
https://www.youtube.com/watch?v=7hTvWbxxmY0
及其研究论文