主要目的：

SFM是可以重建稀疏点云的和相机参数(内外)，主要目的是：estimating the geometry of the scene and camera poses from a set of images. 使用场景最多还是标定相机内外参。

MVS重建的是稠密点云。

输入的数据：SFM是没有标定的图像，而MVS输入的是标定的图像(具有相机参数)，

PS:相机参数可以通过SFM标定，所以如果从一组图像中重建三维模型，我们可以首先采用SFM标定相机内外参，然后根据标定结果进行稠密点云重建。

为什么SFM无法重建出稠密的点云，但是MVS可以？

SFM中我们用来做重建的点是由特征匹配提供的！这些匹配点天生不密集！MVS则几乎对照片中的每个像素点都进行匹配，几乎重建每一个像素点的三维坐标，这样得到的点的密集程度可以较接近图像为我们展示出的清晰度。

SFM和MVS关系

SFM给MVS算好了输入视角的位姿,内参,稀疏点云以及它们的共视关系,MVS再利用这些信息以及彩色图来估计深度图以及做最后的Fusion,还有点云过滤等等的。SFM是camera tracking, 而MVS是depth map estimation和depth fusion。在实际使用中，一般是SFM进行相机标定，然后采用MVS重建稠密点云。

详细介绍SFM算法。

SFM(运动恢复结构)算法流程：

详细介绍MVS算法。

SFM(structure from motion 从运动恢复结构)和MVS(multi-view stereo 多视图立体视觉)相关推荐

在复杂场景下基于VIO辅助的运动恢复结构方案
点云PCL免费知识星球,点云论文速读. 文章:VIO-Aided Structure from Motion Under Challenging Environments 作者:Zijie Jiang ...
SfM: Structure from motion
SfM Structure from motion (SfM) is the process of estimating the 3-D structure of a scene from a set ...
《增强现实：原理、算法与应用》读书笔记（5）运动恢复结构（上）初始化、相机位姿估计、集束调整
<增强现实:原理.算法与应用>读书笔记(5)运动恢复结构(上)初始化.相机位姿估计.集束调整运动恢复结构(SfM)是一种从运动的相机拍摄的图像或视频序列中自动地恢复出相机运动轨迹以及场景 ...
SLAM笔记（四）运动恢复结构的几何数学(本征矩阵、单应矩阵、基础矩阵)
1. 间接法进行运动恢复的前提假设对于结构与运动或视觉三维重建中,通常假设已经通过特征匹配等方法获取了匹配好的点对. 先求出匹配点对再获取结构和运动信息的方法称作间接法. 间接法最重要的三个假设是: ...
structure from motion
1.介绍 SFM(structure-from-motion)算法是一种基于各种收集到序列图片进行三维重建的离线算法.顾名思义是从运动中(不同时间拍摄的图片集)恢复物体的三维结构,这需要估计出图片的R ...
从内外参到 Structure From Motion(SFM)
去年,我有幸了解到image-based modeling的相关知识.作为一个大三本科生,虽说自己此前也做过一些相关工作,但是要自己实现Structure from motion,确实是费尽了我的脑袋 ...
Structure From Motion(SFM)入门讲解
概念: Structure From Motion(SFM) 是从一系列包含视觉运动信息的多幅二维图像序列中估计三维结构的技术. SFM和立体视觉的区别在立体视觉中,两个相机之间的相对位姿是通过标定 ...
【SLAM】SfM论文推荐（ICCV,CVPR,ECCV等）Structure from Motion
文章目录 SfM 相关文献增量式SfM: 全局式SfM: 混合式SfM: SfM 相关文献增量式SfM: N. Snavely, et al. Modeling the World from In ...
2020年ECCV论文DeepSFM: Structure From Motion Via Deep Bundle Adjustment阅读笔记
这篇博客分享的是2020年发表于ECCV上的一篇论文<DeepSFM: Structure From Motion Via Deep Bundle Adjustment>. 论文地址: ...

SFM(structure from motion 从运动恢复结构)和MVS(multi-view stereo 多视图立体视觉)