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,