简介：面向需要自制 3D Gaussian Splatting（3DGS）训练数据的开发者，这份项目源码提供了基于 Colmap 工具从图像采集到数据集生成的全流程实现。资源包含 3 个 Python 脚本（配置、稠密重建、格式转换）、5 张示例图片、说明文档与运行配置，共 12 个文件，压缩包仅 379KB，便于快速上手与二次修改。已有 306 人查看学习，适合入门及进阶用户参考。资源在覆盖稀疏重建、稠密重建、格式转换等核心步骤的同时，针对稀疏重建无相机轨迹、稠密点云孔洞多等问题给出了排错指南，并结合设备与效率优化建议，帮助用户低成本构建适用于多类场景的 3DGS 数据集，为后续训练与应用提供实用基础。 很多朋友第一次接触3DGS（3D Gaussian Splatting，3D高斯泼溅）的时候，都会先拿官方提供的那几个现成场景跑一遍训练。跑通之后问题就来了：我想重建自己的物体、自己的房间，该怎么办？这时候你就绕不开一个叫COLMAP的东西。COLMAP负责从一组普通照片里算出相机位置和稀疏点云，而3DGS的训练恰恰需要这些信息作为初始输入。可以这么说，COLMAP这一步做不好，后面训练再怎么调参都是白搭。
这篇内容我打算把"用COLMAP自制3DGS数据集"这条链路完整讲一遍，从照片怎么拍、COLMAP怎么跑、输出怎么转成3DGS需要的格式，到最终训练效果不好时怎么排查。适合两类人看：一是刚跑通3DGS官方demo、想自己做数据集的新手；二是已经在做三维重建，但被COLMAP的稀疏重建质量和数据组织方式折腾过的人。整个过程我会结合自己实际操作中踩过的坑来讲，不绕弯子。
1. 3DGS的训练管线里，COLMAP为什么是"地基"？
1.1 从一堆照片到可训练数据，中间发生了什么
3DGS的训练本质上是输入一组带相机位姿的图片，通过优化三维高斯分布来拟合场景。但相机位姿不会凭空出现，它必须从照片本身估算出来。这个估算过程就是运动恢复结构（Structure-from-Motion，SfM），而COLMAP是目前最常用的开源工具。
COLMAP会做三件核心事情：
- 检测每张图里的特征点，比如角点、纹理边缘；
- 在不同图片之间匹配这些特征点，找出"这两张图拍的是同一个位置"的对应关系；
- 根据这些对应关系，用光束法平差（Bundle Adjustment）同时优化相机内外参数和三维点坐标，最终输出每张图的位姿矩阵、相机内参，以及一个稀疏点云。
这些输出对3DGS来说就是"训练数据的地基"。没有准确的相机位姿，三维高斯根本不可能在正确的位置上收敛，渲染出来的画面会是一片糊或者直接崩掉。
1.2 官方源码的输入格式要求
3DGS的官方源码（graphdeco-inria/gaussian-splatting）对数据集目录结构是有明确要求的。一个标准的可训练场景目录大概长这样：
data/xxx/ ├── images/ # 原始图片（或经过处理后的图片） ├── sparse/0/ # COLMAP 输出的相机位姿和稀疏点云 │ ├── cameras.bin │ ├── images.bin │ └── points3D.ply └── ...images放图，sparse/0放COLMAP重建结果。训练脚本加载时，会从cameras.bin里读相机内参，从images.bin里读每张图的位姿，从points3D.ply里读初始点云，然后开始训练。
所以整个流程可以概括成一句话：拍摄图片 → COLMAP稀疏重建 → 整理成官方格式 → train.py开始训练。后面所有内容都是围绕这句话展开的。
2. 拍摄照片的实操要领：数据质量决定训练上限
我自己第一次做数据集的时候，觉得拍照嘛，围着物体转一圈不就行了？结果跑了COLMAP之后发现重建的稀疏点云稀稀拉拉，相机位姿歪七扭八，训练出来的效果惨不忍睹。后来才意识到，COLMAP和3DGS的很多问题，根子不在工具，而在照片本身。
2.1 场景选择和重叠率
先说场景。COLMAP的特征匹配依赖纹理，所以场景里最好有比较丰富的纹理细节。纯白墙面、光滑桌面这类大面积低纹理区域，特征点很少，匹配很难建立，重建很容易失败。
再说重叠率。相邻两张照片之间要有足够的共同视野，一般建议重叠率在60%到80%之间。通俗地说，你拍完一张照片，下一张至少要能看到上一张里一半以上的内容。如果两张图之间的重叠太少，COLMAP找不到足够多的匹配点，位姿估计就会飘。
那怎么控制重叠率？最简单的办法是移动幅度小一点。拍摄时让相机每次移动的距离短一些，让视角变化控制在15度以内，这样相邻帧之间的匹配会非常稳定。
2.2 拍摄轨迹、光照与运动模糊
这里我特别想强调一个容易犯的错：围绕物体拍摄时，不要只在一个高度上原地转一圈。这种纯旋转式的拍摄，会让相机之间的基线（baseline）太小，导致三角化出来的三维点深度不确定，位姿容易退化。最好采用"多圈、多高度、多角度"的轨迹，比如螺旋上升式地绕着物体拍，或者在不同距离上各拍一圈。
光照方面，最理想的是均匀的散射光，比如阴天或室内柔光灯环境。强光直射会造成明显的阴影和高光，而高光区域的像素在不同视角下变化剧烈，会让特征匹配很难做。拍摄时尽量固定白平衡和曝光参数，不要让画面忽亮忽暗。如果做不到，宁可后期统一做一次颜色校正，也不要让相机自动曝光在各个角度跳来跳去。
运动模糊是另一个杀手。手持拍摄时快门速度不够，画面糊了，特征点检测会失败。建议快门速度不低于1/100秒，条件允许的上三脚架。一个很实用的检查方法是：拍完后在电脑上把照片放大看，如果细节纹理处有拖影，赶紧重拍，别浪费时间跑COLMAP。
2.3 图片规模和硬件取舍
图片数量不是越多越好。COLMAP的特征匹配是两两组合的，图片多到一定程度，匹配时间会爆炸式增长。以我的实测经验，单个场景控制在80到300张是比较合理的区间。如果场景特别大，比如一个完整的房间，可以分区块拍摄，最后再合并重建，而不是一口气拍上千张丢给COLMAP。
图片分辨率也要考虑。COLMAP的内部默认会限制最大图像尺寸（max_image_size），过大的图会先被缩放。我习惯把输入图片控制在3000像素以内，既能保留足够的特征细节，又不至于让特征提取和匹配慢到无法接受。如果你用的是官方convert.py脚本，里面也默认做了类似的缩放处理。
3. COLMAP稀疏重建：从特征点到相机位姿的完整执行
3.1 环境准备与命令行参数
COLMAP的安装方式官网写得很清楚：Windows有预编译的图形界面版本，Linux和macOS可以用conda、apt或源码编译。我建议新手先用图形界面（COLMAP GUI）熟悉一下流程，但真正要批量处理、固定复现的时候，命令行会高效得多。
一个典型的两步走流程如下。
第一步，特征提取：
colmap feature_extractor \ --database_path project.db \ --image_path images/ \ --ImageReader.single_camera 1 \ --SiftExtraction.max_image_size 3200 \ --SiftExtraction.max_num_features 32768--ImageReader.single_camera 1表示所有照片来自同一个相机，内参共享一套。如果你用同一台手机或相机拍完整套图，这项一定要开，能明显提高重建稳定性。--SiftExtraction.max_image_size 3200控制输入图缩放上限。--SiftExtraction.max_num_features 32768提高每张图允许提取的最大特征点数。纹理多的图，默认值可能不够用。
第二步，执行特征匹配和稀疏重建：
colmap exhaustive_matcher \ --database_path project.db \ --SiftMatching.guided_matching 1 mkdir -p sparse/0 colmap mapper \ --database_path project.db \ --image_path images/ \ --output_path sparse/0 \ --Mapper.ba_global_function_tolerance 0.000001这里解释两个关键点。exhaustive_matcher对图片数量不多（比如几百张）的场景是够用的，它会把所有图片两两匹配，最稳但最慢。如果图片量很大，建议改用sequential_matcher（按顺序相邻匹配）或者spatial_matcher（根据GPS先验加速），但对普通场景来说，exhaustive仍然是最省心的选择。
guided_matching打开之后，COLMAP会利用已知的几何约束去搜索更多匹配点，能显著提高弱纹理区域的匹配数量，代价是耗时多一点。我一般都会开。
mapper会先从一个图像对开始增量重建，然后不断加入新图像。ba_global_function_tolerance是全局光束法平差的收敛阈值，默认值有时会在位姿还没收敛时就提前停止，调小这个值能得到更精细的位姿优化结果。
3.2 如何判断重建是否成功
跑完mapper之后，sparse/0目录下会生成一堆以数字命名的子文件夹，每个文件夹对应一个重建模型。这时候要做质量检查。
打开COLMAP GUI，选择 File → Import model from disk 加载sparse/0里那个重建结果。检查三点：
- 注册的相机数量：正常应该接近你的输入图片总数。如果只有一半照片被成功注册，说明很多图没找到可靠的匹配关系，重建不完整。
- 点云形态：场景的三维点应该呈现清晰可信的物体轮廓，而不是一团乱麻。如果点云有明显弯曲、不闭合或者悬浮颗粒，说明位姿有问题。
- 相机轨迹：界面里可以看到蓝色的相机金字塔（或锥体），它们代表每张照片的位置和朝向。一个健康的轨迹应该是平滑连续的，而不是突跳、交叉或者全部挤在一个点上。
我在实际操作中见过最多的失败表现，就是只有开头十几张图被成功注册，后面全部失败。这种基本都是拍摄时相邻帧重叠不足，或者画面出现大量运动模糊导致的。
3.3 使用官方convert.py还是手动跑
官方3DGS仓库里提供了一个convert.py，它内部就是调用COLMAP来跑特征提取、匹配和稀疏重建，然后自动把结果处理成3DGS需要的格式。所以很多人会直接：
python convert.py -s data/xxx --colmap_executable colmap这个脚本做的事情包括：生成images/和sparse/0/，把COLMAP的文本格式转成二进制，生成降畸变后的图片和点云，最终输出一份经过缩放处理的训练集。
用脚本的好处是省事、格式不会错。但它也隐藏了一些参数，比如它会默认把图片缩放，并且会执行图片的畸变矫正（undistortion）。如果你用的是建模拍摄、全景照片，或者特殊的相机模型，脚本的默认行为不一定符合需求。所以建议理解它的内部逻辑，而不是只会无脑执行。后面第4章我会拆解它到底做了什么。
4. 把COLMAP输出转成3DGS可用的数据集格式
4.1 目录结构长什么样
训练前，数据目录最终要整理成这样的结构：
data/my_scene/ ├── images/ # 去畸变后的图片，名字形如 00000.png ├── sparse/0/ │ ├── cameras.bin # 相机内参（二进制） │ ├── images.bin # 图像位姿信息（二进制） │ └── points3D.ply # 稀疏点云（PLY格式） └── ...convert.py会把COLMAP生成的文本模型转成二进制模型，再把点云转成PLY格式。3DGS训练时读取的就是这些二进制文件，所以如果你的COLMAP输出是文本格式（cameras.txt、images.txt、points3D.txt），要么用colmap model_converter转成.bin，要么直接用官方脚本处理。
二进制和文本格式之间存在一个常见坑：COLMAP默认输出可能是文本格式，而3DGS读取代码硬编码了.bin。你如果不转换直接丢给训练脚本，会出现找不到文件或者解析错误。
4.2 官方的模型转换命令
如果你打算手动转换，可以用这条命令：
colmap model_converter \ --input_path sparse/0 \ --output_path sparse/0 \ --output_type BIN它会读取sparse/0下的文本模型，原地转成cameras.bin、images.bin、points3D.bin。注意：3DGS需要的是points3D.ply，所以还要把稀疏点云导成PLY：
colmap model_converter \ --input_path sparse/0 \ --output_path sparse/0/points3D.ply \ --output_type PLY这里有个容易踩的坑：points3D.bin是COLMAP的二进制点云格式，而3DGS读取的是PLY格式，两者不能混淆。如果你发现训练脚本报错说找不到points3D.ply，多半是导出PLY那步没做。
4.3 从COLMAP到3DGS训练数据，还要注意什么
convert.py里还有一个关键操作：对图像做去畸变处理。因为COLMAP估出来的相机内参包含径向畸变参数，而3DGS训练时用的是针孔相机模型，不做去畸变的话，图像的像素坐标和相机模型对不上，训练出来的效果会虚。
处理逻辑大致是：读COLMAP标定的畸变参数，对所有图像重投影到无畸变平面，生成新的images/目录，同时更新相机内参。这也意味着，如果图像被缩放或裁剪过，内参必须同步更新，否则相机位姿和图像内容就不匹配了。官方脚本处理好了这些细节，所以对大多数人来说，直接用它转是最稳妥的路径。
那什么时候必须手动代替脚本？我遇到过的几种情况：
- 你的COLMAP重建失败了，但你想手动修复模型，比如删除错误位姿的图片；
- 你需要人为添加mask（比如把背景去掉），而mask要以图片名对应；
- 场景太大，一次性跑不完，需要分块重建再合并。
这些情况脚本都不方便介入，需要自己维护数据目录。
5. 重建效果差怎么办：完整排查链路
5.1 特征点太少、匹配不上
最直接的现象是COLMAP运行后，注册的图片数量很少，或者稀疏点云稀疏到几乎看不见东西。
排查思路：
- 在COLMAP GUI里打开任意一张图，看特征点检测结果。如果一张纹理丰富的图检测出的特征点只有几十个，说明
max_num_features设太低了，或者图像本身太模糊。 - 检查图片是否过度曝光或欠曝光。过曝的天空、白色区域，特征点几乎为零。
- 检查是否是纯旋转拍摄。如果相机原地转动而几乎没有平移，相邻帧之间会存在视差不足的问题，导致三角化失败。
我这边的处理经验是：把相机从"原地转圈"改成"移动着绕圈"，哪怕每次只移动一两厘米，重建质量都会有质的提升。另外，拍摄过程中尽量保持相机离物体有一定距离，太近会导致相邻帧重叠区域过小。
5.2 相机位姿漂移或场景坍塌
重建结果看起来有模有样，但训练出来的3DGS场景里，某些部分重影严重，或者出现"飘浮的飞絮"，那大概率是位姿精度不够。
一个典型情况是：COLMAP把一些视角差异很大的照片错误配准了。比如拍摄时光照变化太大，导致特征点匹配被误导；或者物体表面是镜面反光材质，不同角度下高光点位置不同，造成错误对应。
排查方法是在COLMAP GUI里逐张查看匹配关系。选中一个三维点，看它投影到各图片上的位置是否真的对应同一个物理点。如果发现某些图像的匹配明显不对，就从重建里删除这些图像，重新做一次全局优化，或者直接剔除后重新运行mapper --resume继续增量优化。
另外，Mapper.ba_global_function_tolerance调小，然后配合多次迭代，很多时候能救回轻微的位姿漂移。重建完成后还可以用colmap bundle_adjuster对全局模型再做一次精修。
5.3 低纹理、高光、反射面的处理
大面积白墙、玻璃、水面，是COLMAP的"天敌"。它们要么没有特征点，要么特征点在多视角下不稳定。
处理办法有几种：
- 在纹理确实太弱的区域，可以放置一些有明显图案的标定板、报纸、或者临时贴纸，重建完成后再移除。这不只是方便特征匹配，还能给3DGS提供更可靠的几何约束。
- 玻璃和水面这类透明或反光材质，它们在不同视角下看起来完全是不同的东西，COLMAP很难正确处理。如果实在拍不好，要么放弃这部分场景，要么拍摄前想办法让表面变得哑光，比如给玻璃打蜡、喷临时可去除的涂层。
- 对高光严重的物体，尽量用散射光源而不是直射灯，也可以加偏光镜消除部分反光。
5.4 用训练结果反推数据集问题
如果你已经拿到了3DGS训练结果，但效果不理想，可以反向定位问题：
- 背景清楚、物体模糊：多半是物体部分的图片位姿不准，或者拍摄时对物体的重叠率不够。
- 从某个特定角度看全是噪点：这个角度附近的源图像数量不足，尽可能补拍一些该角度的照片，然后重新跑COLMAP和训练。
- 整体画质糊但点云是对的：检查是不是图像分辨率太低，或者训练迭代次数不足。官方默认是30000次迭代，如果数据集比较难收敛，可以把迭代次数提高到50000甚至70000，配合每2000次保存一个checkpoint，挑验证集上效果最好的那版。
- 渲染结果有大量长条状伪影：这是3DGS训练优化不充分的表现，可以尝试调低学习率，或者给场景加上更合理的初始化点云。初始化点云越干净，训练收敛越快。
训练命令参考：
python train.py \ -s data/my_scene \ -m output/my_scene \ --iterations 30000 \ --test_iterations 7000 30000如果你只有CPU能跑，加--data_device cpu。GPU显存紧张时，把输入图片分辨率再缩小一些，或者减少每次训练采样的图片数量，都能缓解。
写在最后
自制3DGS数据集这件事，最耗时间的其实不是训练，而是数据采集和COLMAP重建。我个人的体会是：拍摄时花一小时认真规划轨迹，远比重建失败后花一整天排查问题要划算。每次拿到一个新场景，我都会先快速拍一组小样（比如20张），用COLMAP跑一遍验证一下特征匹配和位姿是否稳定，确认没问题再正式多拍。这个小习惯帮我避开了大量返工。
最后再分享一个小技巧：COLMAP在Windows下偶尔会遇到GPU内存不足导致特征提取直接崩溃，这时候在命令行里加--SiftExtraction.use_gpu 0改用CPU提取特征，虽然慢一点，但胜在稳定。等匹配和重建阶段再切回GPU，实测下来整个流程顺畅很多。
本文还有配套的精品资源，点击获取
