1. SFM
Structure from Motion (SfM)：从运动中恢复结构，通俗地讲：从序列图像中重建目标三维结构，并估计相机及空间参数。
用于SfM的主要有三个库：
SfM输出的是稀疏点云以及相机参数，这些信息将用于后续的稠密重建。
2. MVS
MultiView Stereo（MVS）：多视点匹配，用于生成稠密点云。
通常MVS能计匹配到更多的点，生成更稠密的点云，做到这一点需要用到对极几何的原理：一副图像上的一个像素点是空间上一条线（相机视点和该像素连起来的直线）的投影，而这条线在另外一幅图像上往往会投影为一条线。SFM需要在整个二维图像上搜索匹配点，而MVS只需要在一条线上搜索。
以上是PMVS2做的事，做到这些需要大量复杂的计算，CMVS就是用于简化此的。CMVS把SfM输出的聚类为区域，PMVS2将在这些“区域”上匹配，最后CMVS将这些区域映射为三维模型。
关于二者的联系和区别
3. bundler
3.1 配置
bundler是经典的单目重建公开库之一，很多工作都是在此基础上进行的，其运行过程大致分为三步：
使用Perl脚本
extract_focal.pl提取图像焦距信息并存储到image list中；在每幅图像上寻找SIFT特征点；
在各个图像中匹配特征点，匹配的特征存储在
matches.init.txt中；运行bundler，生成点云和相机参数；
-
配置（Windows）：
配置的大致步骤是：下载bundler源码，Windows下安装cygwin，安装相关依赖，编译和运行。其中编译有两种方式：make命令和VS编译，如果是在VS编译编译可参考：issue 26。
3.2 输出
格式：
bundle_<n>.out；包含内容：场景估计和相机几何参数；
-
具体：
版本信息：
# Bundle file v0.3；<num_cameras> <num_points>：两个整数，分别表示相机总数（其实就是输入图像的数量）和匹配到的点数；
接下来依次是每个相机的内参和外参信息；
-
内参：
<f> <k1> <k2>：焦距，两个径向畸变参数；
-
外参：
<R>：表示相机旋转的矩阵，3X3；
<T>：相机平移矩阵，1X3；
-
匹配点：
-
<position>：点空间位置的描述，1X3；
<color>：RGB信息，1X3；
<view list>：描述点可见性的向量，包括 view list 长度，<camera>第几个相机，<key>表示该相机中第几个sift特征点，<x>和<y>表示在二维图像上的坐标（以图像中心的原点）；
-
3.3 选项
options.txt默认包含的选项
--match_table： 指定点匹配信息存储的文件，默认：matches.init.txt；--output： 指定包含最终计算结果的文件名称，默认：bundle.out；--output_all：指定中间结果存储的前缀，默认：bundle_；--output_dir： 指定计算结果的保存目录，默认：bundle；--variable_focal_length：为指定每张图片指定独立的焦距，默认：无（源码中为Option结构）；--use_focal_estimate：指定是否使用从EXIF中提取的焦距信息，默认：true；--constrain_focal：指定计算出的相机焦距是否被初始焦距（从EXIF中提取）所约束，默认：true；--constrain_focal_weight： 指定焦距约束条件的权重，通常一个较小的数可矣，默认：0.0001；--estimate_distortion：指定是否为每一张图片估计畸变参数，默认：true；--ray_angle_threshold： 默认：2.0；--run_bundle：指定是否运行SFM，默认：true；
其它选项
--init_pair1,--init_pair2：指定初始匹配的两张图像，通常由程序自动选择匹配点最多的一对图像，如果效果不好再启用此选项； ---sift_binary： 指定计算SIFT特征的外部接口，一般是/usr/bin/siftor/cygdrive/c/usr/bin/siftWin32.exe；--add_images： 在已有重建基础上额外添加新图像时使用此选项；options_file：指定bundler参数文件，默认：options.txt；--help：输出所有的选项信息；
4. PMVS2
PMVS是 Yasutaka Furukawa开发的 Patch-based Multi-view Stereo Software（PMVS）——分段式多视角匹配软件（目前是第二版）。PMVS的输入为一组图像和相应的相机参数，输出是“半稠密”的点云。需要注意的是，PMVS只重建刚性机构的目标，自动忽略行人等柔性目标。关于MVS有一个跑分排行。
4.1 输入
images：要求
jpeg或者ppm格式，命名必须是8位（兼容4位）的数字：%08d.jpg；camera parameters：命名格式与图像命名相同，内容含义：
-------------------------------------------
CONTOUR //固定的header
//P[3][4]表示投影矩阵（三维点和投影矩阵相乘得到二维坐标）
P[0][0] P[0][1] P[0][2] P[0][3]
P[1][0] P[1][1] P[1][2] P[1][3]
P[2][0] P[2][1] P[2][2] P[2][3]
-------------------------------------------segmentation masks：以
pgm格式文件给定，灰度小于127是背景，否则为前景；-
option file：指定使用的参数文件，具体选项如下：
timages：指定目标图像（必选项），可以用列举（
timages 5 1 3 5 7 9）或者范围（timages -1 0 6）的方式指定；oimages：other images（必选项），用于指定那些图片能输出重建结果（重建结果会等所有timages运算完输出，但是通过oimages指定的图像会在中间过程输出），指定方式和timages相同，如果不想用此选项，指定为0；
level：指定图像金字塔（降采样的层次）的高度，指定1（默认）表示降采样一半（宽高缩小一倍，总像素量为原来的四分之一），指定为0表示不进行降采样；
csize：指定重建的最小区块，用于控制重建结果的密度，默认为2（重建中每 2X2 个像素生成一个点云中的点）；
threshold：区块重建可接受的最小阈值（默认0.7），总的范围是-1到1，算法有三次迭代，每次迭代自动减0.05；
wsize：指定光度一致性计算的视口大小，默认为7；
minImageNum：一个3D点必须至少在minImageNum张图像中可见才会被输出，默认为3（必须同时出现在三张以上的图像中才会被输出，选项应该和纹理密度成反比）；
CPU：程序支持多线程，CPU表示线程数，默认为4；
useVisData：指定是否利用已知（从SFM计算而来）的图像关联信息加速重建过程，程序会利用SFM的输出生成
vis.dat文件生成PMVS需要的格式（0 2 1 2：0的含义自定义，2表示后面共2个数，1和2表示相应的图像序列，如果这是第一行则表示，图像0和图像2、图像2将聚合到一块儿以重建点云）。默认为0表示不使用此信息，使用时设置为1；sequence：用于序列化图像，默认为-1，表示不使用此选项，如果为3则表示当前图像的前后各3个图像将用于重建；
quad：重建的点周围的点中，与之相似的越多则该点越不可能被滤除。通常此选项不需要调节，可省略；
maxAngle：当两个相机的夹角大于此阈值则不被重建，减小maxAngle将允许更大范围的目标被重建出来，同时噪点也更多；
4.2 输出
输出包含三种格式的文件：
.ply：点云文件咯；.patch：包含所有重建信息：以PATCHS开头，包含所有重建点的信息
PATCHES
452393 //共452393个点
PATCHS
-1.20727 -0.718245 -7.1088 1 //三维坐标
-0.0750093 -0.981341 -0.177041 0 //估计的法线
0.992487 0.0207491 0.385701 //第一个数表示光度一致性测度，后两个供debug
3 //该点在3张图像中可见且纹理匹配良好
2 0 1 //三张图像的index
15 //该点在15张图像中可见，但是纹理匹配不够好
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 //这15张图像的index.pset：简化版的重建信息，包括点坐标和法线信息；
因为最新的CMVS包含了PMVS2，而且我使用的Windows也不好编译，所以就不运行了。
5. CMVS
Clustering Views for Multi-view Stereo (CMVS)也是 Yasutaka Furukawa （博士后时期）写的，它包含了PMVS2的内容，提升的地方在于：更高的性能，更好的效果。CMVS将SFM的输出分成一个个小的图片簇，然后独立并行的重建。几者的关系的关系：
Bundler->CMVS->PMVS2
5.1 输出
ske.dat：包含集群信息；
vis.dat：可见性信息；
centers-%04d.ply：各个图片簇的相机位置；
centers-all.ply：所有的相机位置信息；
option-%04d：PMVS2配置文件；
pmvs.sh or pmvs.bat：用于执行PMVS2；
5.2 编译（Windows & VS2013）
这里以 Pierre Moulon 开发的Windows版本 CMVS + genOption + PMVS2 为例说明（链接，github）。
首先，代码中包含自带的已经编译好的程序，目录：./binariesWin-Linux/Win64-VS2010。以下是自己编译的过程：
使用CMake生成VS工程，CMake文件是
./program/CMakeLists.txt，打开CMake GUI，选择源码路径为program，配置好，点击生成，最后会生成一个叫做CMVS-PMVS2.sln的VS工程。-
打开工程，使用VS编译，当然，一般都会报几个错误：
命令行 error D8016: “/O1”和“/RTC1”命令行选项不兼容：将 项目->C/C++->代码生成->基本运行时检查设置为default，问题解决（参考）。
解决了这个问题之后就没有遇到其他问题了！接下来就是将要用到的输出copy出来运行（在main的Debug目录下）。
5.3 运行
运行bundler：cd到example下的ET或者kermit目录下，运行
../../RunBundler.sh，参数默认的就行，成功后会生成./bundle目录，成功的话会有 bundle_XXX.out 和 pointsXXX.ply 文件；-
转换bundler输出为PMVS所需格式：cd 到 kermit 目录下，运行：
../../bin/Bundle2PMVS.exe prepare/list.txt bundle/bundle.out，得到结果如下（可见的结果就是生成了一个pmvs的目录）：[ReadBundleFile] Bundle version: 0.300 [ReadBundleFile] Reading 11 images and 671 points... [GetJPEGDimensions] File ./kermit000.jpg: ( 640 , 480 ) ...... @@ Conversion complete, execute "sh pmvs/prep_pmvs.sh" to finalize @@ (you will first need to edit prep_pmvs.sh to specify your bundler path, @@ so that the script knows where to find your @@ RadialUndistort and Bundle2Vis binaries) -
运行pmvs目录下的
prep_pmvs.sh校正和生成vis.dat文件：先修改prep_pmvs.sh中BUNDLER_BIN_PATH的值，我是在kermit路径下运行的，所以改为："../../bin"。> 这里遇到一个bug：提示无法找到“XXXXX.rd.jpg”，实际pmvs目录下生成的图像不带“rd”。看了哈源代码，是**RadialUndistort.cpp**中出的问题，大概是C字符串和string转换造成的吧，将`file[i].rfint('.')`改成`file[i].fint('.',1)`，**file[i]**为list.txt下的一行，后面带的数字中有小数点，导致源代码提取basename出错。 执行CMVS：先执行
CMVS prefix 20 2，这里已经到了cmvs的部分了，需要先把编译好的三个文件copy过来(cmvs.exe,genOption.exe,pmvs2.exe)，参数的含义可以看cmvs自带的release路径下的readme。生成pmvs的参数文件：经过cmvs之后，原来的图片被分成一个个的图片簇（如果你的图片较少则只会有一个簇），所以相应的pmvs参数也要改变，这正是这一步的意义。命令：
genOption path，这里的path建议和上一步的path一致。生成稠密点云：最后执行
pmvs.bat生成稠密点云，运行前可能需要修改路径。
5.4 关于路径
我是在Windows下运行的，所有用到的路径都是相对方式给定，如果运行指令没有得到正确结果，请着重检查你的路径！总结起来就是一句话：
正确的路径（相对） + 正确的参数（参数中的路径也是相对于执行命令所在目录的）
遇到问题可以这样做：
仔细查看readme -> 到github或者官网看issue和文档 -> google或者问答社区 -> 源代码（有基础可以直接看源码）。
我的codepen：链接
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。