BundleFusion+WIN11+VS2019 + CUDA11.7环境配置

BundleFusion+WIN11+VS2019环境配置

Step1

一开始会提示你重定解决方案,点即可,如果点错了,也可以在这里再点一次:

image-20230222103241016

简要记录一下环境的配置过程,刚下载下来BundleFusion的源码,刚用VS2019打开就报了一个错,

说是找不到CUDA7.0.props,这是因为我们的系统cuda版本和他的不对应,打开路径查看我们对应的版本:

image-20230222094404905

然后修改配置文件,分别在36376,将对应的版本修改为自己的。

image-20230222094527088

安装DirectX SDK

由于渲染时需要用到里面的一些组件,所以在官网下载安装一下:

http://download.microsoft.com/download/A/E/7/AE743F1F-632B-4809-87A9-AA1BB3458E31/DXSDK_Jun10.exe

出现安装失败的话,需要卸载这两个文件:

image-20230222100009233

复制必要的环境文件

  • mLib

https://github.com/niessner/mLib,下载下来之后替换这个

image-20230222100127176

一些文件内部的修改

在bundlefusion\BundleFusion-master\external\mLib\include\core-base中把common.h文件中第61行,

#include <boost/serialization/array_wrapper.hpp>注释掉。(mLib文件没能跟上vs的更新速度)。

修改Egien以及boost库版本

下载Eigen3.2.8和boost1.64分别替代在bundlefusion\mLibExternal\include下的Eigen文件夹和boost文件夹。这一步也很关键,我一开始没换就报错了。

灵活的调整

网络上很多配置环境的教程,但是肯定不能涵盖每个人的方方面面,比如我两台电脑,一台出现了FreeImage.dll找不到的问题,另一台就没有,再比如现在也有某个库找不到:

image-20230222102541908

image-20230222103038728

添加上即可。

开始运行

生成解决方案后

本地数据

在x64文件夹下,新建data目录

image-20230222103343189

官网下载对应的.sens文件,放到data下,然后把这两个文件拷贝到Release目录下:

接下来我们需要修改一些属性,满足不同的需要,

image-20230222104329604

修改好之后,双击ReleaseFriedLiver.exe运行一下:

然后你会发现程序未响应,这原来是源程序的一个bug,而且中文没搜到答案,去他的源代码库里找到答案了:

IMG_20230222_104621

我们打开下面这个文件,把992行的这个进程同步注释掉,再重新生成一次。

image-20230222110248617

image-20230222105718406

run OK了

image-20230222105938548

image-20230222145810010

BundleFusion + RealSense

实时进行重建

这个地方我试了一天但是失败了,主要问题应该是我电脑的cuda版本太高。而且由于显卡是3060,cuda8.0也不再支持。

曲线救国

为了把我的实验室重建出来,选择使用realsense采集离线数据进行处理。

image-20230222202951350

参考了https://blog.csdn.net/wuzebiao2016/article/details/94426905/的教程,但是不知道为什么编译成功了运行不了,搜索了三个小时,未能解决这个问题。评论区也有很多人提到了这个问题

总结

目前只能使用官方的数据进行操作,遗憾。

如果一个代码的bug中午搜不出答案,可以使用英文关键字

遇到问题就解决问题,虽然有时候心态很崩,但是办法总比困难多

及时总结经验

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
实时全局一致的3D重建,使用动态表面重新整合技术实时,高品质,大尺寸场景的3D扫描是混合现实和机器人应用的关键。然而,可扩展性带来了姿态估计漂移的挑战,在累积模型中引入了显着的错误。方法通常需要几个小时的离线处理来全局纠正模型错误。最近的在线方法证明了令人信服的结果,但遭受以下缺点:(1)需要几分钟的时间才能执行在线修正,影响了真正的实时使用; (2)脆弱的帧到帧(或帧到模型)姿态估计导致许多跟踪失败;或(3)仅支持非结构化的基于点的表示,这限制了扫描质量和适用性。我们通过一个新颖的,实时的端对端重建框架来系统地解决这些问题。其核心是强大的姿态估计策略,通过考虑具有高效分层方法的RGB-D输入的完整历史,针对全局摄像机姿态优化每帧。我们消除了对时间跟踪的严重依赖,并且不断地将其定位到全局优化的帧。我们提出了一个可并行化的优化框架,它采用基于稀疏特征和密集几何和光度匹配的对应关系。我们的方法估计全局最优化(即,束调整的姿势)实时,支持从总跟踪故障(即重新定位)恢复的鲁棒跟踪,并实时重新估计3D模型以确保全局一致性;都在一个框架内。我们优于最先进的在线系统,质量与离线方法相同,但速度和扫描速度前所未有。我们的框架导致尽可能简单的扫描,使用方便和高质量的结果。

“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
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

打赏作者

王行知

您的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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