目录

安装CUDA

下载Gaussian Splatting的源码

创建Gaussian Splatting虚拟环境

下载数据集并训练

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

安装CUDA

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

<code>wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

sudo sh cuda_11.8.0_520.61.05_linux.run

安装完成后，配置并更新环境变量：

vim ~/.bashrc

#添加路径（此处展示的是默认路径，根据自己的路径来）

export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

source ~/.bashrc

使用下面的命令查看你的CUDA版本：

nvcc -V

下载Gaussian Splatting的源码

注意：最后的--recursive特别重要，不加的话submodules和sibr_viewers中部分东西装不上，影响后续环境配置。

<code>git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive

创建Gaussian Splatting虚拟环境

使用下面的命令执行，会自动为你创建一个名为 gaussian_splatting 的虚拟环境。并在安装完所需要的依赖库后激活。

conda env create --file environment.yml

conda activate gaussian_splatting

下载数据集并训练

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进行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，然后可以开始训练了（-s后接数据路径-m后接输出路径）：

<code>python train.py -s data/truck/ -m data/truck/output

训练速度真的很快！其中L1是L1损失；PSNR是图像峰值信噪比，单位是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值数值越大表示失真越小。

生成的output文件夹结构如下（程序会保存训练7000轮与30000轮时的模型）：

模型可视化

更新gcc和g++

<code>cd /usr/bin

sudo rm gcc

sudo ln -s gcc-9 gcc

sudo rm g++

sudo ln -s g++-9 g++

更新cmake

cmake官方列表：Index of /files (cmake.org) （官方文件说recent version, we used 3.24）

#下载

wget https://cmake.org/files/v3.25/cmake-3.25.0-linux-x86_64.tar.gz

#解压

tar -zxvf cmake-3.25.0-linux-x86_64.tar.gz

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！

#将解压出来的包移到 /opt 目录下

sudo mv cmake-3.25.0-linux-x86_64 /opt/cmake-3.25.0

#建立软连接

sudo ln -sf /opt/cmake-3.25.0/bin/* /usr/bin/

查看版本

安装eigen3.4.0

不知道为什么我一直进不去eigen官网https://eigen.tuxfamily.org/index.php?title=Main_Page

后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版本不够新，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。）

<code>#下载

wget https://gitlab.com/libeigen/eigen/-/archive/3.4.0/eigen-3.4.0.zip

#解压

unzip eigen-3.4.0

#进入文件夹

cd eigen-3.4.0

#创建build文件夹并进入

mkdir build

cd build

#cmake构建

cmake..

make

#安装

sudo make install

#复制文件夹（方便以后查找）

sudo cp -r /usr/local/include/eigen3 /usr/include

#查看当前版本

pkg-config --modversion eigen3

安装opencv4.9.0

官网：Releases - OpenCV

github地址：https://github.com/opencv

#下载opencv

git clone https://github.com/opencv/opencv.git

#进入源码文件夹

cd opencv

#下载opencv_contrib

git clone https://github.com/opencv/opencv_contrib.git

安装依赖

sudo apt-get update

sudo apt-get upgrade

sudo apt-get install cmake gfortran

sudo apt-get install python3 python3-dev python3-numpy

sudo apt-get install libjpeg-dev libtiff-dev libgif-dev

sudo apt-get install libgstreamer1.0-dev gstreamer1.0-gtk3

sudo apt-get install libgstreamer-plugins-base1.0-dev gstreamer1.0-gl

sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev

sudo apt-get install libgtk2.0-dev libcanberra-gtk*

sudo apt-get install libxvidcore-dev libx264-dev libgtk-3-dev

sudo apt-get install libtbb2 libtbb-dev libdc1394-22-dev libv4l-dev

sudo apt-get install libopenblas-dev libatlas-base-dev libblas-dev

sudo apt-get install protobuf-compiler

 编译安装

#在opencv文件夹下

mkdir build

cd build

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 ..

sudo make -j8

sudo make install

环境配置

#修改文件

sudo vim /etc/ld.so.conf

#在文件中输入，并保存退出

/usr/local/lib

#执行命令

sudo ldconfig

#修改文件

sudo vim /etc/bash.bashrc

#在文件中输入，并保存退出

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig

export PKG_CONFIG_PATH

#执行命令

source /etc/bash.bashrc

查看版本号：pkg-config --modversion opencv4

安装远程可视化

<code>#安装依赖

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

#进入文件夹

cd SIBR_viewers

#因为我是20.04版本，所以还要加一句

#22.04版本不需要加

git checkout fossa_compatibility

#构建安装

cmake -Bbuild . -DCMAKE_BUILD_TYPE=Release

cmake --build build -j24 --target install

在这个过程中出现了非常多的问题hai

大多数都是版本不一致造成的（所以大家可能不会遇到）

我的解决办法就是遇到一个解决一个 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：

接下来就是见证奇迹的时刻（我用的MobaXterm）：

<code>./SIBR_gaussianViewer_app -m /home/lyc/3dgs-code/gaussian-splatting/data/truck/output

自采数据集实验

【3DGS】Ubuntu系统下完成3D Gaussian Splatting自采数据集的重建、评估及可视化-CSDN博客