如何用 COLMAP 制作 Blender 格式的数据集并划分出 transforms_train.json、transforms_val.json 和 transforms_test.json。

---

一、什么是 Blender 格式数据集？

Blender 格式数据集是 Nerf 和 Nerfstudio 常用的输入格式，其核心是包含了相机内外参的 JSON 文件，一般命名为：

• transforms_train.json —— 训练用帧信息

• transforms_val.json —— 验证用帧信息（可选）

• transforms_test.json —— 测试用帧信息（可选）

每个 JSON 文件结构类似，包含以下关键信息：

• camera_angle_x：相机水平方向视角（弧度）

• frames：数组，每个元素代表一帧图像信息，包含图像路径和相机位姿矩阵（4x4变换矩阵）

---

二、如何用 COLMAP 生成 Blender 格式数据集

详细的可见：

用 COLMAP GUI 在 Windows 下一步步完成 相机位姿估计（SfM） 和 稀疏点云重建的详细步骤：-CSDN博客

1. 运行 COLMAP 稀疏重建（SfM）

• 打开 COLMAP GUI

• 新建项目，导入图片

• 运行 Feature Extraction 和 Feature Matching

• 运行 Sparse Reconstruction（SfM）

• SfM 完成后，sparse/0/ 目录下会生成 cameras.txt、images.txt、points3D.txt 三个文件

这些文本文件中包含相机内参（焦距、畸变等）、相机外参（旋转、平移）和三维点信息。

或者使用命令行完成以上步骤：

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 文件夹下会有 cameras.txt（内参），images.txt（位姿）和 points3D.txt

---

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

• 内参信息一般在 cameras.txt 中：

  • 焦距 (focal length)

  • 主点 (cx, cy)

  • 图像尺寸（宽、高）

• 外参在 images.txt 中：

  • 每张图的旋转四元数 + 平移向量

  • 需转换为 4x4 的相机变换矩阵（world-to-camera 或 camera-to-world）

COLMAP 坐标系是右手坐标系，Nerf / Blender 格式使用的坐标系和矩阵定义和 COLMAP 有差异，需要做转换：

• COLMAP 的旋转是图像到世界坐标的变换（或者相反，需看具体定义）

• Nerf 需要的是相机到世界（camera-to-world）4x4矩阵

• 通常需要对旋转矩阵和位移向量做转置和坐标轴调整（比如 z 轴正方向）

生成的 transforms_train.json 结构示例：

{"camera_angle_x": 0.6911112070083618, // 水平视场角，单位弧度"frames": [{"file_path": "./train/r_0", // 图片相对路径（不带后缀）"rotation": 0.012566370614359171, <--- 额外字段，可能是额外角度信息"transform_matrix": [  // 4x4相机变换矩阵，表示从世界坐标到相机坐标的变换[-0.9250140190124512,0.2748899757862091,-0.2622683644294739,-1.0572376251220703],[-0.3799331784248352,-0.6692678928375244,