基於圖像的三維重建技術SFM（Structure from Motion）已相對成熟，例如在傾斜攝影領域應用廣泛，而且成熟的商業軟體Context Capture,PhotoScan(MetaShape),開源的例如colmap、VisualSFM等等。三維重建計算量很大，對於大規模的場景計算需要很高的計算資源，往往也只能通過桌面端操作上傳圖像。想要快速基於拍攝的圖片獲得三維模型，又不想回到室內操作，那麼就需要上雲，就需要一套自動化程度相對較高、圖像採集操作簡單、具備模型可視化的方法，但是如果要部署一個計算性能很高的雲伺服器，成本又實在太高了，買不起...。
幾個問題：1）圖像採集、上傳要便捷、例如手機採集圖片直接上傳;2)需要模型可視化；3）伺服器不能負擔太重，能夠擴展計算資源；4）簡單。
針對這幾個問題的考慮，設計了一套在線三維重建服務框架。之前對SFM的整體框架已較為熟悉，於是基於開源的SFM程序，做了些修改作為計算服務，再寫一套數據的API+鑑權，周末花了兩天時間把這個做了初步實現了。
三維重建服務的基本流程如下：圖片採集=>圖像處理（特徵提取、特徵匹配、稀疏重建、密集重建）=>生成指定格式的模型；使用者來說，只需要上傳圖片（控制點坐標），然後等待結果即可。
sfm流程基本方案：搭建數據服務平臺，數據採集、數據存儲、數據處理各自獨立，通過數據API接口實現添加任意數量的計算節點，在每個計算節點上部署自動化的三維重建服務，例如在自己的電腦上部署，或是在區域網內部署，計算任務完成後自動同步本地數據，前端可隨時隨地查看。
框架包含：應用伺服器（數據API接口+web前端）、公共存儲伺服器（例如:OSS）、計算節點（可按需配置），數據傳輸通過Token鑑權，計算節點主動查詢待計算的任務並下載圖像集合進行處理，並對主要步驟處理狀態進行上報並同步上傳處理的結果文件，前端查詢任務狀態，訪問相應的數據。
框架示意圖實現：
前端：Vuejs+threejs
接口服務：python+uvicorn
三維重建計算：python+OpenSfM，只能在linux系統上運行，可以使用Windows的linux子系統部署。
demo
基於編寫的公共數據接口開發了一個簡單的前端demo：四個基本操作，創建項目、上傳圖片、提交任務、刷新。兩個數據可視化：圖片列表、三維重建結果瀏覽。若是在手機端打開web頁面可是直接拍照上傳。三維重建服務包含了稀疏重建和密集重建。
SFM前端-圖像集合管理SFM前端-三維重建結果瀏覽前端展示相機位姿、相機對應的圖片
圖像+相機位姿SfM前端-稠密點雲瀏覽SFM前端的交互效果
後續進一步完善後會考慮部署、共享