Stage 2：COLMAP Structure-from-Motion

抽出したフレームからカメラ姿勢とスパース三次元点群を再構成します。

---

このステージの概要

graph LR
    A[🖼️ JPEGフレーム<br/>約329枚] -->|特徴点抽出| B[🔵 キーポイント<br/>SIFT特徴]
    B -->|マッチング| C[🔗 マッチングペア]
    C -->|マッピング| D[🗺️ スパースモデル<br/>cameras.bin · images.bin · points3D.bin]
    style A fill:#e1f5ff
    style D fill:#e1ffe1

推定所要時間： 約30分

---

ディレクトリの準備

mkdir -p date_20260119/sparse
cd date_20260119/

---

Step 1：特徴点抽出

colmap feature_extractor \
    --database_path database.db \
    --image_path frames/ \
    --ImageReader.single_camera 1 \
    --ImageReader.camera_model PINHOLE \
    --SiftExtraction.use_gpu 1

期待される出力

Processed file [1/329]
...
Processed file [329/329]

---

Step 2：特徴点マッチング

colmap exhaustive_matcher \
    --database_path database.db \
    --SiftMatching.use_gpu 1

なぜ exhaustive マッチングか？

植物を1周する約329フレームでは、exhaustiveマッチングが全フレームペアを確認し、より堅牢なカメラ登録が得られます。

---

Step 3：スパースマッピング

colmap mapper \
    --database_path database.db \
    --image_path frames/ \
    --output_path sparse/ \
    --Mapper.ba_global_max_num_iterations 20

良好な登録の指標

=> Registered:  329/329
=> Mean re-projection error: 0.87px

登録率が低い場合（フレームの80%未満）

COLMAPエラーを参照

---

出力ファイルの確認

ls sparse/0/
# cameras.bin   images.bin   points3D.bin

ファイル	典型的なサイズ
cameras.bin	約1 KB
images.bin	約200 KB
points3D.bin	約20〜50 MB

points3D.bin が非常に小さい場合（1MB未満）

再構成が失敗しています。フレーム品質を確認してください。

---

次のステップ

→ Stage 3：3DGS学習