Carla仿真系列：17_利用Carla仿真环境跑通3DGS——从采集360张图到高斯泼溅建模

3DGS是这两年最火的三维重建技术------拍一圈照片，就能重建出可实时渲染、可任意换视角的3D场景，想试试看效果，然后就有了这期 用 Carla 生成的数据，跑通 3DGS（3D Gaussian Splatting）建模。

结论：Carla 是练 3DGS 的完美数据源------不用出门，就能拿到"完美采集"的图像序列。

复制代码

采集360张环视图像 → COLMAP预处理（位姿+稀疏点云） → LiteGS训练 → 可视化ply

以自车为采集对象，围绕车的几何中心360度，每隔1度采集一张，共360张720P图像。

bash 复制代码

cd carla_sim/sim_workspace/slam/3dgs_data/
python surround_collect_gs_py2.py

这样保证每个角度都有观测，重建时不会出现"没见过的角度"。

3DGS 需要知道每张照片的相机位姿 和场景的稀疏点云------这就是 COLMAP 干的活（SfM 运动恢复结构）。

bash 复制代码

cd carla_sim/sim_workspace/slam/3dgs_data/
bash colmap_3dgs.sh

一个真实的工程取舍 ：这里用 apt 直接安装的 COLMAP，预处理跑在 CPU 上，速度比较慢。如果要用 GPU 加速，需要自己下载源码编译 GPU 版本的 COLMAP。

demo 够用：CPU 慢一点能接受，先把流程跑通再说。

用 LiteGS（摩尔线程开源的 3DGS 训练框架）训练。注意：这个环境需要自己搭建，不在 Carla 项目里，照着官方文档配就行。

bash 复制代码

python example_train.py --sh_degree 3 -s carla_colmap_data -i images -m ./output

参数说明：

参数	含义
`--sh_degree 3`	球谐系数阶数（3阶，颜色随视角变化更丰富）
`-s carla_colmap_data`	COLMAP 预处理后的数据目录（含360张图+相机参数+3D点云bin）
`-i images`	图像文件夹名
`-m ./output`	训练输出的点云目录（ply格式）

把训练好的 ply 文件导入在线查看器（如 https://superspl.at/editor）即可实时浏览。

放大看能清晰看到一个个"尖刺"------那就是高斯球。

每个高斯球保存了什么

一句话理解 3DGS：用几十万个"会发光的小椭球"拼出整个场景------比传统网格（Mesh）真实，比 NeRF 渲染快。

下图这个角度是采集图像时相机的视角，这个视角渲染的效果就很好。

下图是放大后看到的高斯小球，类似很多毛刺。

反思：

整体效果还可以，但有几个明显问题，也是下一步改进方向：

改进方向 ：让相机在采集时上下俯仰移动（不只是水平绕圈），这样能覆盖更多视角，重建质量会明显提升。

这个反思是 3DGS 的关键：重建质量的上限，在采集数据时就决定了。

本期视频

17_利用Carla场景跑通3DGS建模

如果本文对你有帮助，欢迎点赞、关注、收藏 。

遇到问题可以评论区留言交流，也欢迎转发给需要的朋友。

开源项目地址放在个人主页简介中，欢迎前往查看。