Ubuntu 18安装nerfstudio教程、踩坑记录

写在最前头!!!配置nerfstudio需要cuda没有cuda请不用往下看了,cuda官方是要求11.3或者11.7我自己用的是阿里云的11.4亲测可用。

一、配置环境

安装anaconda3

去官网或者镜像下载anaconda3 的执行文件

官网:anaconda官网

清华镜像:清华大学开源软件镜像站

下载好之后执行如下代码:

bash Anaconda3-2023.03-1-Linux-x86_64.sh

等待安装完成之后出现(base)字样,然后按照nerfstudio文档 创建虚拟环境:

conda create --name nerfstudio -y python=3.8
conda activate nerfstudio
python -m pip install --upgrade pip

创建完环境之后需要安装torch,这里以cuda11.3为例:

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html

如果是cuda11.7的用这个命令:

pip uninstall torch torchvision functorch

pip install torch==1.13.1 torchvision functorch --extra-index-url https://download.pytorch.org/whl/cu117

来自2023.6.20日的更新

nerfstudio官方文档的更新,已经适配cuda11.8,如果是新显卡(如4090等)可以使用cuda11.8

cuda11.8和pytorch2.0.1安装如下:

pip uninstall torch torchvision functorch tinycudann

pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

安装tinycudann

pip install ninja git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch

注意!在安装tinycudann的时候可能会因为在国内的原因导致无法从github拉取,出现

“The TLS connection was non-properly terminated.”这样的报错,我是使用以下命令:

git config --global --unset http.proxy 
git config --global --unset https.proxy

但是有时候也会出问题,我也参考了这篇文章:知乎

在安装完tinycudann之后,就可以按照文档安装nerfstudio了:

pip install nerfstudio

注意!使用如上命令的时候会自动把上面的torch卸载安装别的版本(除非你就是11.3),否则在执行上述命令之后再执行一下如下命令重新装回torch1.12:

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html

2023.6.20更新:

根据pytorch2.0.1更新文档,functorch的api已经更改,无需额外安装,因此,如果是安装了cuda11.7/11.8+pytorch2.0.1的小伙伴可以不用再安装functorch

如果是cuda11.3+torch1.12则在安装完成之后还需要再安装一个新的依赖:

pip install functorch==0.2.1

注意!不要直接使用pip install functorch,会自动把torch卸载,直接安装制定版本即可。

至此 nerfstudio的基本框架都安装完毕。

可以用官方文档的demo试一下:

# Download some test data:
ns-download-data nerfstudio --capture-name=poster

# Train model
ns-train nerfacto --data data/nerfstudio/poster

在执行第一行命令时因为是直接从google drive上取数据所以服务器在国内的小伙伴可能会出现错误,我的服务器是在国外的所以可以直接用,如果不行的话不要着急,不一定是你装错了!!

这里以我的为例,运行成功之后出现如下画面:

然后我们用给的这个链接使用viewer在我们的电脑上远程查看结果。

首先 将上述链接复制进我们的浏览器(我们的链接可能不一样以自己的为准)

我们还需要将我们的电脑连上远程的服务器,我自己的电脑是windows的,这里也给出了方法:

 打开windows的powershell

输入如下,username是服务器的用户名 remote-machine-ip是服务器的公网ip地址

ssh -L 7007:localhost:7007 <username>@<remote-machine-ip>

链接好之后,再打开网页就可以看到demo了:

 当然我知道大家可能想用自己的数据,所以官方也给出了方法:

 由于我使用的是图片的数据,因此我还要再安装colmap和ffmpeg。

安装ffmpeg执行如下命令即可:

sudo apt install ffmpeg

二、安装colmap

安装colmap是最麻烦的,官方文档给出了安装colmap的方法:

sudo apt install colmap

但是经过我的测试,我使用这个方法安装colmap之后在特征提取的时候会出现“Shader not supported by your hardware!”和“SiftGPU not fully supported!”

于是我参考这篇文章:CSDN 重新下载编译colmap 

按照官方的文档,进行如下的操作:

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

除此之外,如果是和我一样用的Ubuntu 18版本的,还需要额外加命令:

sudo apt-get install libcgal-qt5-dev

sudo apt -y install liblz4-dev

注意!!!!

然后将anaconda的文件夹改名!将anaconda的文件夹改名!将anaconda的文件夹改名!

这样做是防止之后anaconda的环境会影响后续编译,改好之后重新进一下终端,这时候如果前面的(base)没有了证明已经改了。

更新cmake

上面的命令已经自动安装了cmake了,不过是安装的cmake3.10,如果用这个版本后面编译会出问题,经过我的测试使用cmake 3.26.0可以通过。那就来更新cmake。

首先下载新版本的cmake:

wget https://cmake.org/files/v3.26/cmake-3.26.0-linux-x86_64.tar.gz

解压:

tar zxvf cmake-3.26.0-linux-x86_64.tar.gz

删除旧版本的cmake(这里可以选择直接删除也可以将文件复制走再删除):

sudo rm -rf /usr/bin/cmake  #(删除原本cmake 也可复制保存) 

注意!我的cmake在这个文件下,请找对自己的cmake的文件目录!

创建软连接:

sudo ln -s /root/cmake-3.26.0-linux-x86_64/bin/cmake /usr/bin/cmake

注意!:/root/cmake-3.26.0-linux-x86_64/bin/cmake是解压之后的cmake路径  

/usr/bin/cmake是原本的cmake路径

之后输入cmake --version 可以查看cmake的版本

编译colmap

首先克隆源文件:

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

然后:

cd colmap
git checkout dev
mkdir build
cd build

注意!我需要的是cuda版本的colmap,因此需要指定我的cuda,按照官方的文档和参考知乎的方法,在build目录下输入如下命令,/usr/local/cuda/bin/nvcc 需要改成自己的cuda的文件目录

sudo cmake .. -D CMAKE_CUDA_COMPILER="/usr/local/cuda-11.4/bin/nvcc" ../CMakeLists.txt -D CMAKE_CUDA_ARCHITECTURES='native'

等待完成之后,会在build目录生成Makefile文件,在这个文件目录下,执行如下命令:

make
sudo make install

make命令的时间很长,需要耐心等待。等到100%之后再执行sudo make install即可

然后试一下colmap命令:

 安装成功。

三、使用自己的数据

官方文档给出使用自己数据的命令,如下所示:

ns-process-data {video,images,polycam,record3d} --data {DATA_PATH} --output-dir {PROCESSED_DATA_DIR}

第一个参数是指定输入的数据格式如image video等,

第二个参数是的指定源数据位置

第三个参数是指定colmap处理后的数据的位置

以我自己的数据为例,我使用图片数据进行:

ns-process-data images --data /root/data/pt007 --output-dir /root/processed_data/pt007

处理完成之后再使用如下命令进行nerf三维重建:

ns-train nerfacto --data {PROCESSED_DATA_DIR}

 如果需要重建mesh模型还需要再加上:

ns-train nerfacto --pipeline.model.predict-normals True --data {PROCESSED_DATA_DIR}

参考文章:

1、git报错:The TLS connection was non-properly terminated._蓝雨飞扬7的博客-CSDN博客

2、Linux Colmap出错“Shader not supported by your hardware!“和“SiftGPU .....

3、在Linux上安装其他版本的cmake 或 升级cmake

4、COLMAP3.8在Ubuntu18.04 下的配置 - 知乎

5、nvcc fatal : Unknown option 'fPIC' · Issue #1753 · colmap/colmap · GitHub

6、极智开发 | 解决 linux 上 git clone 慢或失败的方法 - 知乎

7、nerfstudio

8、Installation — COLMAP 3.8-dev documentation

至此nerfstudio安装+使用完毕,我自己摸索两三天才配置完,感觉网络是占了很大的问题,国内git clone经常容易出错。另外就是文档中错误的指引比较少,再加上使用nerfstudio的人也很少,因此我就记录一下我自己安装和踩坑的过程,帮助大家。

  • 8
    点赞
  • 49
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
安装opencv的过程可能会遇到一些问题,下面是一些在Ubuntu 18.04上安装opencv时可能会遇到的常见问题及解决方法的指南。 1. 缺少依赖项:在安装opencv之前,确保已经安装了必需的依赖项。这包括cmake、build-essential、libgtk2.0-dev、pkg-config和python3-dev等。可以使用以下命令安装它们: ``` sudo apt-get install cmake build-essential libgtk2.0-dev pkg-config python3-dev ``` 2. 版本冲突:如果你的系统中已经安装了ROS-melodic,并且ROS-melodic中已经自带了opencv-3.2.0版本,你可能需要手动编译和安装opencv-3.2.0来覆盖ROS-melodic中的版本。首先下载opencv-3.2.0和opencv_contrib-3.2.0的源代码,并切换到opencv-3.2.0/build目录。然后使用make和make install命令进行编译和安装: ``` cd ~/Downloads/opencv_install/opencv-3.2.0/build/ make sudo make install ``` 3. 其他问题:在安装过程中可能会遇到其他问题,例如编译错误或链接错误。这些问题通常可以通过在安装过程中查找错误消息并搜索解决方案来解决。可以查看相关的安装教程、论坛或社区提供的文档以获取更多帮助。 总结起来,安装opencv的过程可能会因为缺少依赖项或版本冲突而出现问题。确保安装了必需的依赖项,并根据需要手动编译和安装适当的版本来解决版本冲突。在遇到其他问题时,可以查找相关的资源以获取更多帮助和解决方案。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Ubuntu18.04安装opencv 3.2.0的解决方法](https://download.csdn.net/download/weixin_38637983/12842575)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [在ubuntu18.04中安装opencv_contrib-3.2.0采教程](https://blog.csdn.net/hiram_zhang/article/details/103467737)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值