3D GS 测试自己的数据
环境配置
- win11
- vs2019
- cuda11.8+driver522.06
- python3.10+pytorch 2.4.0
- colmap3.8（可选，用于将图像生成点云）
安装
1 minicoda+git
略
2 vs2019
在装cuda前安装， 选择c++桌面开发即可，
环境变量path中配置C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.29.30133\bin\Hostx64\x64
3 cuda
下载 cuda_11.8.0_522.06_windows.exe
环境变量配置CUDA_HOME为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
4 colmap
下载 COLMAP-3.8-windows-cuda.zip
环境变量path中配置C:\Users\lucky\COLMAP-3.8-windows-cuda\bin 和 C:\Users\lucky\COLMAP-3.8-windows-cuda\lib
5 GS
注意：由于网络原因，子仓库的代码有时会下载不全。
git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive
cd gaussian-splatting
conda create -n 3dgs python=3.10
conda activate 3dgs
conda install -c conda-forge vs2019_win-64
SET DISTUTILS_USE_SDK=1
pip3 install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu118
pip install submodules\diff-gaussian-rasterization
pip install submodules\simple-knn
pip install plyfile tqdm opencv-python
遇到问题：glm.h 找不到，网络原因导致子仓库代码没有下载，解决如下：
cd gaussian-splatting\submodules\diff-gaussian-rasterization\third_party\glm
git submodule update --init --recursive
6 可视化工具
下载 viewer.zip
环境变量path中配置 C:\Users\lucky\viewers\bin
运行
1 数据准备
准备照片，组织成如下目录结构：
PS C:\Users\lucky> tree /f test
C:\USERS\LUCKY\TEST
├─input
│ 1723516992.444349.png
│ 1723516992.544349.png
│ 1723516992.644349.png
│ 1723516992.744349.png
│ 1723516992.844349.png
│ 1723516992.944349.png
│ 1723516993.044349.png
│ 1723516993.144349.png
│ 1723516993.244349.png
2 colmap生成3D点和位姿
python convert.py -s C:\users\lucky\test
test
├─distorted # 祛畸变后的
│ └─sparse
│ └─0
│ └─ cameras.bin
│ │ images.bin
│ │ points3D.bin
│ │ project.ini
├─images # 祛畸变后的照片
├─input # 原始照片目录
3 训练3DGS模型
python train.py -s C:\users\lucky\test -m C:\users\lucky\test\output
4 可视化
SIBR_gaussianViewer_app -m C:\users\lucky\test\output