利用3DGS中convert.py处理自采数据

前言

3DGS源码中convert.py提供对自采数据集的处理，需要预先安装Colmap和ImageMagick.

ubuntu22.04安装colmap

点击进入NVIDIA官网，查看GPU的CMAKE_CUDA_ARCHITECTURES

1、克隆colmap源码，并进入colmap文件夹

git clone https://github.com/colmap/colmap.git
cd colmap

2、打开终端，预先安装一些前置依赖

sudo apt-get install \
    git cmake ninja-build  build-essential \
    libboost-program-options-dev libboost-filesystem-dev \
    libboost-graph-dev libboost-system-dev libboost-test-dev \
    libeigen3-dev libflann-dev libfreeimage-dev libmetis-dev \
    libgoogle-glog-dev \
    libgflags-dev libsqlite3-dev  libglew-dev qtbase5-dev libqt5opengl5-dev \
    libcgal-dev libceres-dev

3、新建build文件夹，并进入build文件夹

mkdir build
cd build

4、使用 cmake 配置时，指明 CUDA 编译器路径和指定GPU 的计算能力架构

sudo cmake .. \
      -D CMAKE_CUDA_COMPILER="/usr/local/cuda-11.8/bin/nvcc" ../CMakeLists.txt \
      -D CMAKE_CUDA_ARCHITECTURES='89'

CMAKE_CUDA_COMPILER是本机CUDA的路径，

CMAKE_CUDA_ARCHITECTURES是本机GPU的计算能力，4090显卡对应8.9。

5、退回上一级目录

cd ..

6、 指定并行编译的线程数

sudo make -j24

7、 开始安装

sudo make install

ubuntu22.04安装ImageMagick

进入ImageMagick仓库，如下步骤安装

wget https://imagemagick.org/archive/ImageMagick.tar.gz
tar -xzvf ImageMagick.tar.gz
cd ImageMagick-7.1.1-43
./configure
make
sudo make install
sudo ldconfig /usr/local/lib

convert.py

将自采数据集图片放于 <location>/input，在相应的文件夹中创建原始分辨率的1/2、1/4和1/8的图像。

python convert.py -s <location> [--resize]

MyData
|---images
|   |---<image 0>
|   |---<image 1>
|   |---...
|---images_2
|   |---<image 0>
|   |---<image 1>
|   |---...
|---images_4
|   |---<image 0>
|   |---<image 1>
|   |---...
|---images_8
|   |---<image 0>
|   |---<image 1>
|   |---...
|---sparse
    |---0
        |---cameras.bin
        |---images.bin
        |---points3D.bin