CuSfM: CUDA-Accelerated Structure-from-Motion

高效且精确的相机位姿估计是自主导航、机器人感知以及虚拟仿真系统中实现稠密重建的基础需求。本文提出了cuSfM，一种基于CUDA加速的离线运动恢复结构（Structure-from-Motion）系统，该系统利用GPU并行化技术，高效地采用计算量较大但精度极高的特征提取器，生成全面且非冗余的数据关联，从而实现精确的相机位姿估计和全局一致的建图。该系统支持位姿优化、地图构建、先验地图定位以及外参精化，专为离线处理而设计，可在充分使用计算资源的前提下最大化精度。实验结果表明，在多种测试场景下，与广泛使用的COLMAP方法相比，cuSfM在精度和处理速度方面均有显著提升，同时保持了离线SfM应用所必需的高精度和全局一致性。该系统以开源Python封装接口的形式发布，名为PyCuSfM，代码地址为https://github.com/nvidia-isaac/pyCuSFM，旨在推动计算机视觉与机器人领域的研究与应用。

论文试图解决在自主导航、机器人感知和虚拟仿真系统中，如何高效且精确地进行相机位姿估计以支持稠密重建的问题。该问题在离线Structure-from-Motion（SfM）场景中尤为重要，传统方法如COLMAP在精度和效率之间难以兼顾，尤其在处理大规模、高精度需求的应用时存在局限。虽然相机位姿估计本身不是新问题，但结合GPU加速实现高精度与高效率的平衡仍具挑战性。

提出cuSfM，一种基于CUDA加速的离线SfM系统，利用GPU并行化能力运行计算密集但精度高的特征提取器，从而生成全面且非冗余的数据关联，实现更精确的相机位姿估计和全局一致的三维地图构建。其关键创新在于将原本受限于计算资源的高精度算法通过GPU并行化实现在离线场景下的高效执行，显著提升精度与速度的平衡。相比现有工作，cuSfM在不牺牲精度的前提下最大化利用计算资源，专为离线高精度应用设计。

系统支持位姿优化、建图、先验地图定位和外参 refine；实验表明，在多种测试场景下，cuSfM相比COLMAP在精度和处理速度上均有显著提升；项目已开源为Python封装工具PyCuSfM，代码托管于GitHub（https://github.com/nvidia-isaac/pyCuSFM），便于计算机视觉与机器人领域研究者使用与扩展；实验设计覆盖多样场景，验证了系统的鲁棒性与一致性；未来可进一步探索动态场景适应、实时化扩展及与其他SLAM系统的融合。

1. 'COLMAP: A Multi-View Stereo Pipeline for 3D Reconstruction', Sch"onberger & Frahm, 2016 2. 'DSfM: Distributed Structure from Motion', Zhu et al., 2019 3. 'Deep Learning vs. Traditional Computer Vision: The Case of Visual SLAM', Chen et al., 2021 4. 'Bundle Adjustment in the Large', Lourakis & Argyros, 2009 5. 'Efficient Vocabulary Tree Construction for Image Retrieval', Nister & Stewenius, 2006