如何用 COLMAP 制作 Blender 格式的數據集并劃分出 transforms_train.json、transforms_val.json 和 transforms_test.json。

---

一、什么是 Blender 格式數據集？

Blender 格式數據集是 Nerf 和 Nerfstudio 常用的輸入格式，其核心是包含了相機內外參的 JSON 文件，一般命名為：

• transforms_train.json —— 訓練用幀信息

• transforms_val.json —— 驗證用幀信息（可選）

• transforms_test.json —— 測試用幀信息（可選）

每個 JSON 文件結構類似，包含以下關鍵信息：

• camera_angle_x：相機水平方向視角（弧度）

• frames：數組，每個元素代表一幀圖像信息，包含圖像路徑和相機位姿矩陣（4x4變換矩陣）

---

二、如何用 COLMAP 生成 Blender 格式數據集

詳細的可見：

用 COLMAP GUI 在 Windows 下一步步完成 相機位姿估計（SfM） 和 稀疏點云重建的詳細步驟：-CSDN博客

1. 運行 COLMAP 稀疏重建（SfM）

• 打開 COLMAP GUI

• 新建項目，導入圖片

• 運行 Feature Extraction 和 Feature Matching

• 運行 Sparse Reconstruction（SfM）

• SfM 完成后，sparse/0/ 目錄下會生成 cameras.txt、images.txt、points3D.txt 三個文件

這些文本文件中包含相機內參（焦距、畸變等）、相機外參（旋轉、平移）和三維點信息。

或者使用命令行完成以上步驟：

colmap feature_extractor --database_path database.db --image_path ./images
colmap exhaustive_matcher --database_path database.db
mkdir sparse
colmap mapper --database_path database.db --image_path ./images --output_path sparse

sparse/0 文件夾下會有 cameras.txt（內參），images.txt（位姿）和 points3D.txt

---

2. 解析 COLMAP 導出的文件，生成 Blender 格式的 JSON 文件

• 內參信息一般在 cameras.txt 中：

  • 焦距 (focal length)

  • 主點 (cx, cy)

  • 圖像尺寸（寬、高）

• 外參在 images.txt 中：

  • 每張圖的旋轉四元數 + 平移向量

  • 需轉換為 4x4 的相機變換矩陣（world-to-camera 或 camera-to-world）

COLMAP 坐標系是右手坐標系，Nerf / Blender 格式使用的坐標系和矩陣定義和 COLMAP 有差異，需要做轉換：

• COLMAP 的旋轉是圖像到世界坐標的變換（或者相反，需看具體定義）

• Nerf 需要的是相機到世界（camera-to-world）4x4矩陣

• 通常需要對旋轉矩陣和位移向量做轉置和坐標軸調整（比如 z 軸正方向）

生成的 transforms_train.json 結構示例：

{"camera_angle_x": 0.6911112070083618, // 水平視場角，單位弧度"frames": [{"file_path": "./train/r_0", // 圖片相對路徑（不帶后綴）"rotation": 0.012566370614359171, <--- 額外字段，可能是額外角度信息"transform_matrix": [  // 4x4相機變換矩陣，表示從世界坐標到相機坐標的變換[-0.9250140190124512,0.2748899757862091,-0.2622683644294739,-1.0572376251220703],[-0.3799331784248352,-0.6692678928375244,