默认情况下，COLMAP使用二进制文件格式(bin，机器可读，速度速)来存储稀疏模型。此外，COLMAP也可以将稀疏模型存储为文本文件(txt，人类可读，速度慢)。在这两种情况下，模型导出的信息被分为关于相机、图像和点云的三个文件。任何包含这三个文件的目录都构成了一个稀疏模型。二进制文件的扩展名是.bin，文本文件的扩展名是.txt。注意，当从包含二进制文件和文本文件的目录加载模型时，COLMAP更倾向于二进制格式。
参考网页：https://colmap.github.io/format.html
导出bin文件
要在GUI（可视化界面）中导出当前的模型，选择File > Export model，要导出当前数据集中的所有重建模型，选择File > Export all models，为bin文件。要想导入已经导出的模型，例如，为了可视化或恢复重建，选择File > Import model，并选择包含相机、图像和点云文件的文件夹。
此外，还可以将稀疏模型导出为其他格式，例如VisualSfM的NVM、Bundler文件、PLY、VRML等，使用File > Export model as....
导出txt文件
要在GUI导出文本格式，使用File > Export model as text导出模型。三个文本文件:camera .txt、images.txt和points3D.txt。注释以前导“#”字符开始。第一行注释简要描述了文本文件的格式。
cameras.txt
这个文件包含了数据集中所有重建相机的内参，每个相机占一行，例如:
# Camera list with one line of data per camera:
# 一行一个相机参数列表
# CAMERA_ID, MODEL, WIDTH, HEIGHT, PARAMS[]
# 相机ID, 相机, 宽, 高, 参数[]
# Number of cameras: 3
1 SIMPLE_PINHOLE 3072 2304 2559.81 1536 1152
2 PINHOLE 3072 2304 2560.56 2560.56 1536 1152
3 SIMPLE_RADIAL 3072 2304 2559.69 1536 1152 -0.0218531如下：
images.txt
该文件包含数据集中所有重建图像的位姿和关键点，每个图像占两行，例如:
# Image list with two lines of data per image:
# 每张图像数据占两行
# IMAGE_ID, QW, QX, QY, QZ, TX, TY, TZ, CAMERA_ID, NAME
# 图像ID, QW, QX, QY, QZ, TX, TY, TZ, 相机ID, NAME
# POINTS2D[] as (X, Y, POINT3D_ID)
# 2D点坐标和对应3D点ID, 若没有对应的3D点则ID标记为-1
# Number of images: 2, mean observations per image: 2
1 0.851773 0.0165051 0.503764 -0.142941 -0.737434 1.02973 3.74354 1 P1180141.JPG
2362.39 248.498 58396 1784.7 268.254 59027 1784.7 268.254 -1
2 0.851773 0.0165051 0.503764 -0.142941 -0.737434 1.02973 3.74354 1 P1180142.JPG
1190.83 663.957 23056 1258.77 640.354 59070
上面示例中的两个图像都使用相同的相机模型并共享内参 (CAMERA_ID = 1)。映像名称与项目的选定基础映像文件夹相关。第一个图像有 3 个关键点，第二个图像有 2 个关键点，而关键点的位置由像素坐标指定。两幅图像都观察到 2 个 3D 点，并注意第一张图像的最后一个关键点在重建中没有观察到 3D 点，因此 3D 点标识符为 -1。
如下：
发现导出的 txt 和示例不一样，找不到第二张图片的信息，苦恼很久，才醒悟是关键点信息太多了，解决办法如下：
COLMAP导出相机外参（bin文件转txt文件）
points3D.txt
该文件包含数据集中所有重建的3D点的信息，每个点占一行，例如:
# 3D point list with one line of data per point:
# 每个点占一行
# POINT3D_ID, X, Y, Z, R, G, B, ERROR, TRACK[] as (IMAGE_ID, POINT2D_IDX)
# POINT3D_ID:三维点的id (二维点可以根据此id找到图片对应的三维点)
# X, Y, Z:三维点坐标
# R, G, B：三维点颜色信息
# ERROR：投影误差（基于像素）
# Number of points: 3, mean track length: 3.3334
63390 1.67241 0.292931 0.609726 115 121 122 1.33927 16 6542 15 7345 6 6714 14 7227
63376 2.01848 0.108877 -0.0260841 102 209 250 1.73449 16 6519 15 7322 14 7212 8 3991
63371 1.71102 0.28566 0.53475 245 251 249 0.612829 118 4140 117 4473这里有三个重建的 3D 点，其中TRACK[] as (IMAGE_ID, POINT2D_IDX)：对应images.txt里的图像id，POINT2D_IDX 定义了 images.txt 文件中关键点的从零开始的索引。比如说上面：16 6542，意思是images.txt中图片ID为16的里面的第6542个点，这个点是该图的特征点，也映射到这个三维点。误差以重投影误差的像素为单位，仅在全局BA后更新。
如下：
