位置

专家视图 → 检查器 → 「Cameras & Capture」部分 → Camera Alignment 选择器，条目「Apple Photogrammetry」。 在每个构建版本中都是默认设置。

技术细节

封装了苹果内置的 Photogrammetry 框架，该框架最初 是为 Object Capture 开发的。苹果内部通过专有流程 提取特征（各步骤未公开文档说明）， 通过多视图匹配进行验证，并在 Apple Silicon 神经网络引擎 + GPU 上求解 Bundle Adjustment。该后端 完全符合 App Store 规范（没有外部二进制文件，Sandbox=true， 设备本地运行），但只提供相机姿态和一个粗糙的点云 — 没有诸如轨迹长度或重投影误差之类的诊断指标。 按照苹果的建议，可扩展到几百张图像。当 超过约 500 帧的线性无人机飞行或大型室外场景时， 观察到可重现的崩溃或静默丢弃某些相机的情况。

位置

菜单「File → Import COLMAP / Metashape Workspace…」 （Cmd+⇧+I），或将包含 sparse/0/cameras.txt 的文件夹拖放进来。

技术细节

读取标准化的 COLMAP 文本导出格式 — sparse/0/ 子文件夹下的三个文本文件 cameras.txt、images.txt、 points3D.txt — 并转换为内部的 SfM 结果模型。与 COLMAP 二进制导出使用相同的格式定义， 只是以 ASCII 而非二进制形式呈现。Agisoft Metashape、RealityCapture、 PolyCam 和 ETH3D 基准测试都以这种确切布局输出结果。 解析器与二进制解析器共享相机模型识别逻辑，能识别 COLMAP 全部十一种标准相机模型 — 从 SIMPLE_PINHOLE 和 PINHOLE，到 SIMPLE_RADIAL（COLMAP 自己的默认值）和 OPENCV， 再到鱼眼变体。对注释行和空行有很好的兼容性。在测试中可扩展 到约 1400 台相机（ETH3D Tunnel）而不出问题。

位置

专家视图 → 检查器 → 「Cameras & Capture」部分 → Camera Alignment 选择器，条目「Native」（不再带有此前的 附加说明「(experimental)」）。增量式是该后端的 默认模式；Native 没有 Mapper 选项。下方的「Mapper」一行 只属于 COLMAP：在开发者构建中，当选择 Native 时，该行 可见但呈灰显状态；在 App Store 版本中则完全没有该行。真正属于原生的几行 — 「FOV Override」、「High-Quality」和「Native SfM Recipe」 — 在其他后端下 不会再消失，而是保持灰显，并在下方一行说明 需要更改什么才能重新启用它们。你无法自行在 增量式和全局式方法之间切换：增量式是固定的默认设置， 应用只会自主切换到全局方法（参见 Q5）。

技术细节

完整 SfM 流程的自研 GPU 加速实现：FAST+BRIEF 特征，或 通过 CoreML 的 SuperPoint+LightGlue（通过「High-Quality」 开关开启；对于无序照片集则默认启用）， 随后是 Hamming-KNN 匹配、RANSAC 基础矩阵求解、轨迹构建、 初始图像对选择、双视图自举（F→E 加 DLT）、带 PnP 配准和 多视图三角化的贪心增量式 Mapper，以及最终通过 Schur 消元的 Levenberg-Marquardt 配合 Huber 损失函数和 基于 Cholesky 求解的解析雅可比矩阵进行的 Bundle Adjustment。完全 符合 App Store 规范：没有外部二进制文件，Sandbox=true。内置 崩溃检测器：当注册的输入帧少于 60%、 每相机点数比率低于 13，或点云 几乎是平面时，会将结果判定为退化。此时不会立即 切换方法 — 应用首先会重复增量式运行 （采用第一个无异常的结果，否则采用尝试中最好的结果）， 只有当最好的尝试仍然退化时，才会转向 全局 Mapper（Q5）。经验上 在环绕/转台场景中效果干净；在 更一般的运动（无人机飞行、几何复杂的室内场景）中， 成功率较低 — 但检测器能捕获这些 情况。可可靠扩展到约 200 台相机，更多的话 运行时间会明显延长。

位置

当增量式 Mapper（Q4）触发崩溃检测器时 会被自动调用（注册的输入帧少于 60%、 每相机点数比率低于 13，或点云几乎是 平面）— 而且只有在增量式运行被 重复过、最好的尝试仍然退化之后才会调用。 无法手动请求：检查器中没有对应的 选择器，也没有其他任何开关 — 应用自行 决定何时切换。

技术细节

原生流程的全局式变体。首先 进行特征提取和匹配，与 Q4 相同，然后对 所有经过验证的图像对进行相对姿态估计，随后进行旋转平均 （在世界坐标系中同步所有相机旋转） 和平移平均（基于 LSQR，采用无矩阵的 稀疏公式，以避免大量相机时出现整数溢出）。 理论上可扩展到约 5000 台相机，但实践中质量 在超过几百台相机后会明显下降。作为「后备层」 处理：当增量式 Mapper 即使重复后仍然退化时才会 使用，它自身不会再次被提交给 崩溃检测器 — 如果它的结果仍然稀疏， 则会触发流程的通用质量警告。

位置

文件菜单 → 「Import COLMAP / Metashape Workspace…」 （Cmd+⇧+I）。将包含 sparse/0/cameras.{bin,txt} 和 images/ 的文件夹拖放进来。

技术细节

自动识别通过拖放或 打开面板选择的文件夹是否符合三种 COLMAP 工作空间布局之一 （sparse/0/、sparse/，或根目录），以及重建结果是 二进制（cameras.bin）还是文本（cameras.txt）格式。二进制路径 使用 COLMAP 二进制解析器，文本路径使用 ETH3D 加载器 — 两者 都生成相同的 SfM 结果模型，流程的其余部分 （导入图片、启动 MCMC 训练）与来源 无关。图片通过应用沙盒书签系统以 security-scoped 方式打开，因此该导入功能在 App Store 版本中同样可用。特别是为「已有 Metashape 导出、 无需重新计算重建结果」这种情况设计。文件菜单条目中 提到的识别逻辑会在应用日志中警告，如果所选文件夹 不是可识别的工作空间。

位置

专家视图 → 检查器 → 「Cameras & Capture」部分 → 「Native SfM Recipe」一行。只有当 Camera Alignment 选择了「Native」，且拍摄类型设置为无序照片集 时，该行才可操作 — 否则会呈灰显状态，并在下方说明 需要更改什么（可用性规则详见第 2 章）。

技术细节

同一个原生后端的三个档位。它们 不会改变算法本身，而是改变它工作的精细程度：

Standard — 不带任何附加阶段的基础方案。

Professional — 额外设置两项内容：识别出的 AprilTag 标记作为刚体参与 Mapping 和 Bundle Adjustment，并在最终姿态基础上进行密集 重新三角化（更密集的起始点云）。如果拍摄内容不含 标记，检测器不会找到任何东西， 只有密集重新三角化仍然生效。

E3 High-Accuracy — 在 Professional 基础上， 额外启用 HQ 前端（3×3 SuperPoint 分块、带 4096 个关键点的 LightGlue、共视性图像对），以及 所有相机的联合焦距细化。这能得到最清晰的 相机姿态，同时匹配运行时间也最长。