หลายภาพ
รูปเดียวMany pictures,
one shape许多张照片，
一个形状

ภาพคือตารางตัวเลข ตัวเลขส่วนใหญ่เรียบ คือท้องฟ้า กำแพง ผิวหนัง ขยับกล้องนิดเดียวมันก็หน้าตาเดิม จุดเด่นคือหย่อมเล็ก ๆ ที่ไม่เป็นอย่างนั้น มุมหน้าต่าง ขอบกระเบื้อง รอยบากของเปลือกตา ในขั้นตอนคลาสสิกของ COLMAP ตัวตรวจจับ (SIFT) จดหย่อมนั้นเป็นชุดตัวเลขที่ยังคล้ายเดิมเมื่อหย่อมหมุนเล็กน้อยหรือแสงเปลี่ยน

A picture is a grid of numbers. Most of those numbers are smooth — sky, wall, skin — and they look the same if the camera shifts a little. A feature is a small patch that does not: a window corner, a tile edge, the notch of an eyelid. In COLMAP’s classic pipeline the detector (SIFT) writes that patch down as a list of numbers that stays similar when the patch turns a little or the light changes.

一张照片是一格格数字。大多数数字是平滑的，天空、墙、皮肤，相机稍稍一移，看起来还是一样。特征是一小块不平滑的地方：窗角、砖缝、眼睑的缺口。在 COLMAP 的经典流程里，检测器（SIFT）把那一小块写成一串数字。小块稍稍转动，或光线变了，这串数字仍然相近。

มุมเดียวกันโผล่ในหลายเฟรม การจับคู่ถามว่า ชุดตัวเลขในเฟรมที่ 12 แถวไหนคือที่เดียวกับเฟรมที่ 13 ส่วนใหญ่เดาผิด เรขาคณิตทิ้งคู่เหล่านั้น กล้องสองตัวที่มองโลกใบเดียวกันต้องยอมรับเส้นเดียวกัน (เส้นอีพิโพลาร์) คู่ที่ไม่อยู่บนเส้นนั้นไม่ใช่คู่จริง

The same corner shows up in many frames. Matching asks which list of numbers in frame 12 is the same place as which list in frame 13. Most guesses are wrong. Geometry throws them out. Two cameras looking at one world must agree on a line, the epipolar line. A match that misses the line is not a match.

同一个角会出现在很多帧里。匹配问的是：第 12 帧里的哪一串数字，和第 13 帧里的哪一串，是同一个地方。大多数猜测是错的。几何关系把它们丢掉。两台相机看同一个世界，必须在一条线上达成一致，那是极线。对不上这条线的配对，就不是配对。

เมื่อมีคู่ที่อยู่รอดมากพอ โปรแกรมประมาณว่ากล้องแต่ละตัวอยู่ที่ไหน ทั้งตำแหน่งและทิศที่มันมอง แล้วจากเส้นสายตาสองเส้นขึ้นไป หาจุดสามมิติที่เส้นเหล่านั้นตัดกัน นั่นคือการหาจุดตัดด้วยสามเหลี่ยม เฟรมเดียวไม่มีความลึก สองเฟรมที่มีช่องว่างระหว่างกันมีความลึก COLMAP สร้างทีละน้อย เริ่มจากคู่หนึ่ง แล้วเพิ่มทีละภาพ

Once enough matches hold, the program estimates where each camera was — its place and the direction it looked — and, from two or more sight-lines, the 3D point where they cross. That crossing is triangulation. One frame has no depth. Two frames with a gap between them do. COLMAP builds this gradually: a first pair, then one picture at a time.

足够多的配对站得住之后，程序估计每台相机在哪里，包括位置和朝向，再从两条或更多视线求出它们相交的三维点。这个交点就是三角化。单帧没有深度。隔开的两帧才有。COLMAP 是慢慢建的：先用一对，然后一次加进一张照片。

ค่าแรกยังหยาบ bundle adjustment ขยับกล้องและจุดพร้อมกัน จนจุดที่ฉายกลับเข้าไปในทุกภาพตกบนจุดเด่นที่อ้างถึงมัน มันคือการปรับกำลังสองน้อยที่สุดก้อนใหญ่ก้อนเดียว เมฆจุดกระจัดกระจายคือผลลัพธ์ เป็นจุด ไม่ใช่ผิวทึบ

The first estimate is rough. Bundle adjustment moves the cameras and the points together until each point, projected back into every picture, lands on the feature that claimed it. It is one large least-squares fit. The sparse cloud is the result: points, not a solid surface.

第一次的估计是粗的。光束法平差把相机和点一起移动，直到每个点被投回每张照片时，落在声称它的那个特征上。这是一次大的最小二乘拟合。稀疏点云就是结果：是点，不是一块实心的表面。

รีลด้านล่างเป็นของ @index.opensource คัดโดย @hyun2xyz ภาพโดรนคือปราสาท Chapultepec เก้าสิบหกเฟรมกลายเป็นจุดสามมิติกระจัดกระจาย 69,316 จุด เราไม่ดาวน์โหลดรีลและไม่เก็บสำเนาไว้ที่นี่ เฟรมที่คุณเห็นมาจากหน้าของ Instagram

The reel below is by @index.opensource, curated by @hyun2xyz. The drone pictures are Chapultepec Castle. Ninety-six frames became 69,316 sparse 3D points. We do not download the reel and we do not keep a copy here. The frames you see come from Instagram’s own page.

下面的短片来自 @index.opensource，由 @hyun2xyz 编选。无人机画面是查普尔特佩克城堡。九十六帧变成 69,316 个稀疏三维点。我们不下载这段短片，也不在这里留副本。你看到的画面来自 Instagram 自己的页面。