ToB企服应用市场:ToB评测及商务社交产业平台

标题: 【3DGS】Ubuntu20.04体系搭建3D Gaussian Splatting及可视化环境 [打印本页]
作者: 络腮胡菲菲    时间: 2024-6-8 09:32
标题: 【3DGS】Ubuntu20.04体系搭建3D Gaussian Splatting及可视化环境
目录
安装CUDA
下载Gaussian Splatting的源码
创建Gaussian Splatting假造环境
下载数据集并练习
模型可视化
更新gcc和g++
更新cmake
安装eigen3.4.0
安装opencv4.9.0
安装远程可视化


官方说we used 11.8, known issues with 11.6。因此需要确保CUDA版本高于11.8。
CUDA官网链接：https://developer.nvidia.com/cuda-toolkit-archive

  1. wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
  2. sudo sh cuda_11.8.0_520.61.05_linux.run
复制代码
安装完成后，配置并更新环境变量：
  1. vim ~/.profile
  3. #添加路径（此处展示的是默认路径，根据自己的路径来）
  4. export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}
  5. export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  7. source ~/.profile
复制代码
使用下面的下令查看你的CUDA版本：
  1. nvcc -V
复制代码


留意：末了的--recursive特殊重要，不加的话submodules和sibr_viewers中部分东西装不上，影响后续环境配置。
  1. git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive
复制代码

使用下面的下令实行，会自动为你创建一个名为 gaussian_splatting 的假造环境。并在安装完所需要的依赖库后激活。
  1. conda env create --file environment.yml
  2. conda activate gaussian_splatting
复制代码

数据集：3D Gaussian Splatting for Real-Time Radiance Field Rendering (inria.fr)。
scenes数据集包含了4个场景的图片，并已经通过convert.py举行colmap转换，可以直接用来做train.py。

我新建了一个data文件夹用来放数据和输出结果，然后可以开始练习了（-s后接数据路径-m后接输出路径）：
  1. python train.py -s data/truck/ -m data/truck/output
复制代码
练习速度真的很快！其中L1是L1损失；PSNR是图像峰值信噪比，单元是dB，数值越大代表MSE越小，MSE越小代表两张图片越接近，失真就越小，因此PSNR值数值越大表现失真越小。

生成的output文件夹布局如下（程序会保存练习7000轮与30000轮时的模型）：


更新gcc和g++

  1. cd /usr/bin
  2. sudo rm gcc
  3. sudo ln -s gcc-9 gcc
  4. sudo rm g++
  5. sudo ln -s g++-9 g++
复制代码
更新cmake

cmake官方列表：Index of /files (cmake.org) （官方文件说recent version, we used 3.24）
  1. #下载
  2. wget https://cmake.org/files/v3.25/cmake-3.25.0-linux-x86_64.tar.gz
  3. #解压
  4. tar -zxvf cmake-3.25.0-linux-x86_64.tar.gz
复制代码
cmake-3.25.0-Linux-x86_64.tar.gz压缩包里的文件是已经编译过的，解压就可以用！
  1. #将解压出来的包移到 /opt 目录下
  2. sudo mv cmake-3.25.0-linux-x86_64 /opt/cmake-3.25.0
  3. #建立软连接
  4. sudo ln -sf /opt/cmake-3.25.0/bin/* /usr/bin/
复制代码
查看版本

安装eigen3.4.0

不知道为什么我不绝进不去eigen官网https://eigen.tuxfamily.org/index.php?title=Main_Page
背面找到了这个下载链接：发布 · libeigen / eigen · GitLab
（写在前面：555安装这个是因为make opencv的时候提示egien版本不敷新，所以就用源码安装了一下。但是呢后续安装colmap的时候又提示eigen版本过高咋咋的，所以我又把它卸载了。大家可以根据自己的情况试试，我也是非常的迷惑。）

  1. #下载
  2. wget https://gitlab.com/libeigen/eigen/-/archive/3.4.0/eigen-3.4.0.zip
  4. #解压
  5. unzip eigen-3.4.0
  7. #进入文件夹
  8. cd eigen-3.4.0
  10. #创建build文件夹并进入
  11. mkdir build
  12. cd build
  14. #cmake构建
  15. cmake..
  16. make
  18. #安装
  19. sudo make install
  21. #复制文件夹（方便以后查找）
  22. sudo cp -r /usr/local/include/eigen3 /usr/include
  24. #查看当前版本
  25. pkg-config --modversion eigen3
复制代码
安装opencv4.9.0

官网：Releases - OpenCV
github地点：https://github.com/opencv
  1. #下载opencv
  2. git clone https://github.com/opencv/opencv.git
  4. #进入源码文件夹
  5. cd opencv
  7. #下载opencv_contrib
  8. git clone https://github.com/opencv/opencv_contrib.git
复制代码
安装依赖
  1. sudo apt-get update
  2. sudo apt-get upgrade
  3. sudo apt-get install cmake gfortran
  4. sudo apt-get install python3 python3-dev python3-numpy
  5. sudo apt-get install libjpeg-dev libtiff-dev libgif-dev
  6. sudo apt-get install libgstreamer1.0-dev gstreamer1.0-gtk3
  7. sudo apt-get install libgstreamer-plugins-base1.0-dev gstreamer1.0-gl
  8. sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev
  9. sudo apt-get install libgtk2.0-dev libcanberra-gtk*
  10. sudo apt-get install libxvidcore-dev libx264-dev libgtk-3-dev
  11. sudo apt-get install libtbb2 libtbb-dev libdc1394-22-dev libv4l-dev
  12. sudo apt-get install libopenblas-dev libatlas-base-dev libblas-dev
  13. sudo apt-get install protobuf-compiler
复制代码
 编译安装
  1. #在opencv文件夹下
  3. mkdir build
  4. cd build
  6. cmake -D WITH_TBB=ON -D WITH_EIGEN=ON -D OPENCV_GENERATE_PKGCONFIG=ON -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules -D OPENCV_ENABLE_NONFREE=ON ..
  8. sudo make -j8
  10. sudo make install
复制代码
环境配置
  1. #修改文件
  2. sudo vim /etc/ld.so.conf
  4. #在文件中输入，并保存退出
  5. /usr/local/lib
  7. #执行命令
  8. sudo ldconfig
复制代码
  1. #修改文件
  2. sudo vim /etc/bash.bashrc
  4. #在文件中输入，并保存退出
  5. PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
  6. export PKG_CONFIG_PATH
  8. #执行命令
  9. source /etc/bash.bashrc
复制代码
查看版本号：pkg-config --modversion opencv4

安装远程可视化

  1. #安装依赖
  2. sudo apt install -y libglew-dev libassimp-dev libboost-all-dev libgtk-3-dev libopencv-dev libglfw3-dev libavdevice-dev libavcodec-dev libeigen3-dev libxxf86vm-dev libembree-dev
  4. #进入文件夹
  5. cd SIBR_viewers
  7. #因为我是20.04版本，所以还要加一句
  8. #22.04版本不需要加
  9. git checkout fossa_compatibility
  11. #构建安装
  12. cmake -Bbuild . -DCMAKE_BUILD_TYPE=Release
  13. cmake --build build -j24 --target install
复制代码
在这个过程中出现了非常多的标题hai
大多数都是版本不划一造成的（所以大家可能不会遇到）
我的办理办法就是遇到一个办理一个 耗时很久
终于在众多编译的警告下安装成功（看的真是心脏怦怦跳）
在SIBR_viewers/install/bin文件夹内如下：

接下来就是见证古迹的时刻（我用的MobaXterm）：
  1. ./SIBR_gaussianViewer_app -m /home/lyc/3dgs-code/gaussian-splatting/data/truck/output
复制代码



免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。



欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) Powered by Discuz! X3.4