InsightAT

InsightAT 是开源的一站式运动恢复结构（Structure-from-Motion）系统，面向易用、自动化的三维重建。

InsightAT 面向鲁棒性、可扩展性与自动化而设计。
通过完全由 CLI 驱动、适合上云的管线，将图像集转为高质量的稀疏三维重建。

⚠️ v0.1 — 早期版本
系统已可实际使用，但 API 与内部设计仍可能变化。

🚀 快速开始

1. 编译

git clone https://github.com/huluoboge/InsightAT.git
cd InsightAT

cmake -S . -B build -DCMAKE_BUILD_TYPE=Release
cmake --build build -j

2. 运行

./build/isat_sfm -i images/ -w work/

3. 查看结果

./build/at_bundler_viewer work/incremental_sfm

🎯 设计理念

与传统 SfM「工具箱」式软件不同，InsightAT 的取向是：

• 不是零散的算法集合，而是完整工程化的一条重建管线
• 不是由用户主导逐项配置，而是由系统按最佳实践缺省执行
• 不是单次黑盒跑完即止，而是多阶段、可持续优化的系统

面向场景包括：

• 大规模航空 / 无人机影像
• 云端分布式计算
• 高吞吐 GPU 流水线

✨ 主要特性

🚀 端到端自动化 SfM 管线

一条命令从图像到稀疏重建：

isat_sfm -i images/ -w work/

⚡ 前端（GPU 加速）

• 特征提取（SIFT）
• 特征匹配
• 检索相关模块

缺省 SIFT 提取与匹配使用 PopSift（CUDA）。可选用 SiftGPU 后端（CUDA 或 GLSL；适用处可用 EGL 无头）。见 THIRD_PARTY_LICENSES.md。

🔄 异步 IO 与 GPU 吞吐设计

• 特征与匹配管线全异步化
• 面向云端环境，尽量打满 GPU
• 降低大规模处理中的 IO 瓶颈

🧠 结构化增量式 SfM

• 以紧凑布局表示 track，连续维护
• 增量重建同时保留完整全局状态

优化策略：

• 为效率在子集上进行 BA（光束法平差）
• 为稳定性在 resection 中使用完整 track 表示（而非压缩代理）
• 全量三维点云始终保留

🌍 由粗到细的全局优化体系

将 SfM 视为更大重建体系中的第一阶段。
在初始重建之后，系统可支持（能力随版本演进，以代码与文档为准）：

• 特征精化
• 畸变校正
• GPS / 外部位姿等约束的融合
• 漂移校正
• 全局优化精化

🧩 云原生 CLI 架构

• 各算法为独立命令行工具
• 以任务/阶段组织执行（isat_sfm 负责编排）
• 面向云端 / 集群中的分布式与并行
• 中间结果以标准化二进制容器存储：
  • JSON 头 + 二进制 SoA 布局

📈 高「密度」的稀疏输出

• 可产生更稠密、可下游使用的稀疏点云
• 适合衔接：
  • MVS 流程
  • 3D 高斯泼溅（3DGS）
  • 其他下游重建系统

🧭 系统架构

图像
  ↓
特征提取（GPU）
  ↓
匹配（GPU + 异步 IO）
  ↓
Track 构建
  ↓
增量式 SfM
  ↓
全局优化（BA / Resection）
  ↓
稀疏三维模型

🏗️ 可扩展性方向

InsightAT 预期向以下方向扩展：

• 集群 SfM
• 层次化 SfM
• 大规模航空级重建系统

目标场景（愿景）：

云上达到数千到百万量级的图像重建规模

🆚 与 COLMAP 的对比

📄 许可

MIT License

Copyright (c) 2026 Yang Hu

仓库地址： https://github.com/huluoboge/InsightAT