colmap

从照片一键重建三维场景,精度高、流程全

COLMAP 是一个通用的运动恢复结构(SfM)和多视角立体视觉(MVS)管线,以 C++ 实现,提供命令行和图形界面。它解决的核心问题是从无序图像集合中自动重建出相机位姿和场景的三维稠密点云。其核心能力包括:特征提取与匹配、几何验证、增量式/全局式 SfM 进行相机标定与稀疏重建,以及基于深度图融合的稠密重建。它支持多种相机模型,具有鲁棒的异常值剔除策略,并提供了丰富的交互式可视化工具,便于检查重建结果。COLMAP 在学术研究和工业界被广泛使用,是三维重建领域的标杆工具之一。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 12790
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类计算机视觉
开发团队colmap
所属国家
定价模式free
价格说明开源项目,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议NOASSERTION
主要语言C++
技术栈/模型computer-vision,geometry,multi-view-stereo,reconstruction,structure-from-motion
GitHub 星标★ 12790
30天Star增速
HF 下载量
上线时间2014-08-16 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数7

使用教程

难度:入门 约 10 分钟 部署方式:本地安装 6 步

环境要求

  • Windows、Linux、Unix 或 BSD 操作系统(README 分别提供了对应二进制)
  • 若走 Conda 方式,需先安装 Conda 环境
  • 若走 Docker 方式,需先安装 Docker
  • 若使用 Python 绑定,需具备 Python 环境(并提供 CUDA 版本轮子)
  • 使用 AMD GPU 需通过 HIP/ROCm 从源码编译

安装与启动步骤

  1. 1选择安装方式

    README 提供预编译二进制、Conda 包、Docker 镜像、Python 绑定四种途径,按自身平台和需求选一种即可。

  2. 2下载预编译二进制

    Windows 用户到 GitHub Releases 下载二进制;Linux/Unix/BSD 用户在 repology 页面查找发行版对应打包版本。

  3. 3Conda 安装

    已使用 Conda 的用户可直接从 conda-forge 频道安装,这是 README 明确给出的安装命令。

    conda install colmap
  4. 4使用 Docker 镜像

    README 提供预构建镜像,地址为 https://hub.docker.com/r/colmap/colmap,拉取后即可在容器内使用命令行或图形界面。

  5. 5安装 Python 绑定

    需要脚本化调用时,从 https://pypi.org/project/pycolmap 获取绑定;CUDA 环境可选用 pycolmap-cuda12。

  6. 6从源码编译(可选)

    需要 HIP/ROCm(AMD GPU)支持或自定义构建时,按官方安装文档 https://colmap.github.io/install.html 自行编译。

如何确认成功

README 未给出验证命令;安装完成后启动 COLMAP 程序,或在 Python 中导入 pycolmap 确认可用。

常见问题

Q:Windows 上怎么装?

A:直接从 https://github.com/colmap/colmap/releases 下载预编译二进制即可,无需自己编译。

Q:Linux 有现成的安装包吗?

A:有。可在 https://repology.org/metapackage/colmap/versions 查看各 Linux/Unix/BSD 发行版的打包版本。

Q:支持 AMD 显卡吗?

A:支持,通过 HIP/ROCm 实现,但需要从源码编译,不能直接用预编译包。

Q:有 Python 接口吗?

A:有,PyPI 上提供 pycolmap,CUDA 用户可用 pycolmap-cuda12,方便在脚本中调用。

Q:必须自己从源码编译吗?

A:不必。README 提供二进制、Conda、Docker 等现成方式,只有特殊需求(如 ROCm)才需要编译。

注意事项

  • COLMAP 采用新 BSD 许可证,可较自由地用于研究与商业项目。
  • 使用其中特定算法时,需按源码说明引用原作者,并考虑引用 ceres-solver、poselib、sift-gpu、vlfeat 等第三方依赖。
  • COLMAP 同时提供图形界面与命令行界面,本 README 节选未展开具体参数用法,需查阅官网文档。
  • README 节选中的 Getting Started 内容被截断,实际使用前建议访问 https://colmap.github.io 获取完整说明。

核心亮点

  • 提供从特征提取到稠密重建的完整 SfM/MVS 流程,开箱即用
  • 增量式重建鲁棒性强,支持大规模无序图像集
  • 拥有友好的 GUI,可交互式查看和编辑重建结果

不足之处

  • 对大规模场景的内存和计算资源消耗较高
  • 文档偏学术化,新手入门门槛略高

适用场景

  • 无人机航拍图像的三维地形重建
  • 文化遗产数字化保护与虚拟展示
  • 机器人视觉定位与地图构建

替代项目

OpenMVG、OpenSfM、Meshroom

项目介绍

colmap 是计算机视觉领域的开源项目,由 colmap 开发,2014 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(12,790)位列前 4%,在计算机视觉分类的 447 个项目里位列前 4%。

近 41 天,它的 GitHub 星标从 12,462 增加到 12,790,净增 328。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。完全免费,可自行部署使用。

它主要面向的使用场景是:无人机航拍图像的三维地形重建。同类可对比的替代方案包括 OpenMVG、OpenSfM、Meshroom。

上一篇:Meshroom

下一篇:segmentation_models.pytorch

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14