nvida instant Nerf WIN10安装过程

NVIDIA Instant NeRF WIN10安装过程记录

安装详细步骤参考以下两个链接， 主要按照链接1的步骤进行安装，全部安装完之后运行阶段本文后面有详细记录，

https://vincentqin.tech/posts/instant-ngp/ (链接1)

https://blog.csdn.net/m0_72572968/article/details/126687224 (链接2)

https://blog.csdn.net/liferecords/article/details/127528193（CUDA和CUDA Toolkit版本对应）

https://blog.csdn.net/m0_58658712/article/details/125716901（运行过程参考）

1. 安装Windows: Visual Studio 2019

另外还需要勾选以下内容,不然在cmake阶段容易报错:

如果安装过程中有漏选,也可再找到installer, 点击修改再次安装

2. 安装CUDA和CUDA Toolkit

CUDA Toolkit在我PC上是要装的, 其他博主有跳过该选项, 也有安装CUDA Toolkit, 在我PC上不安装在cmake阶段会报错, 提示找不到对应cuda。

CUDA Toolkit安装默认路径安装，安装选项选择精简就可以，当然也可以自己更改安装目录，但是加环境变量的时候要注意换成自己的安装目录，以下两个路径要添加到环境变量Path

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp

重启系统之后，打开命令行输入nvcc --verison ，返回如下：

检验CUDA是否可以正常使用：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite

输入deviceQuery.exe，返回Result =PASS

再输入bandwidthTest.exe， 返回Result =PASS

经过如上两步，CUDA Toolkit安装通过。

3. 安装OPTIX(optional)

按照(链接1中给出的方式安装即可)

4. 下载+编译程序

下载链接可以直接根据链接1给出的网盘链接下载，在对源码进行编译的时候很容出现问题。如果出现编译报错的情况，可以参照以下链接。

cmake . -B build
cmake --build build --config RelWithDebInfo -j 16

如果编译的时候出现【CUDA】No CUDA toolset found，查看这个链接。

如果编译的时候报错，Win10 conda ERROR conda.core.link:_execute(481): An error occurred while uninstalling package，查看这个链接。

如果编译还有问题，Google搜一下。

5. colmap的安装(简单)

https://blog.csdn.net/m0_37605642/article/details/115915248

下载完成后，解压instant-ngp根目录下，并重命名为COLMAP

并将其添加到环境变量Path（这里是自己的路径）中去：

D:\instant-ngp-release\COLMAP

6. anaconda虚拟环境

anaconda自己安装， 注意利用anaconda创建的环境python版本是要3.9的版本，在创建过程中经常会遇到卡在Solving environment:， 那可能是安装的源需要更换，可以参考这个链接和这个链接

conda create -n ngp python=3.9
conda activate ngp
pip install -r requirements.txt

如果出现SSLError(MaxRetryError('HTTPSConnectionPool(host=‘mirrors.tuna.tsinghua.edu.cn’,问题，可以参考这个链接

最后安装的时候还需要安装OpenEXR， 具体可以参考 链接1。

7. 运行

先看一下git拉下来的代码里面的run.bat

第1步 即下划线是对视频进行转换截取得到对应的图片， 具体代码可以查看convert_video.py， 主要实现部分如下：

在安装20帧截取一次之后，会对截取到的图像做转换，会按照原始宽高除以scale的方式做尺寸缩放。提取之后会在data文件夹中。如果自己拍的视频要进行渲染,可以从这一步截取视频的关键帧开始, 进入之前创建的虚拟环境，并且切换到instant-ngp所在的路径， 注意修改对应路径, 然后将下面指令(修改过自己路径的指令)复制到刚才打开路径的cmd中运行。

python .\scripts\convert_video.py --input E:\NeRF\real_data\data\tussock\tussock.MOV  --output E:\NeRF\real_data\data\tussock\data\ --show_image 1 --scale 1

第2步是利用colmap重建操作，打开之前下载的colmap文件夹，找到COLMAP.bat， 以管理员的身份运行，运行之后出现GUI界面，在File里面新建工程，具体操作顺序： new project–>

在弹出的窗口里面点击new，选择存放的路径，这里选择与照片data同一个路径下，然后Image再选择刚才生成的data路径， 之后点击save

下面开始进行processing–> feature extraction 特征提取、feature–>matching特征匹配(这一步用了我去节水的时间，稍微有点长)、3D重建等操作，分别点击以下按钮：

再特征点匹配之后，还没进行三维重建之前在processing–>Database management查看的图像能看到坐标点是nan，但是点开对图像能够看到对应的特征点。点击Overlapping Images， 再选择列表中的某一行，点击show matchs

最后进行三维重建，Reconstruction --> start Reconstruction

利用作者给的数据集一共提取了10w个特征点。

之后将这些数据导出file–> export model as text，导出的时候最好新建一个文件夹保存, 生成的内容如下，这些数据用于nerf渲染。

第3步 需要生成transform.json文件

这一步要再回到run.bat，之前由视频转成图像那一步没有操作，直接使用链接中作者的数据，所以跳过了那一步，在生成transform.json文件的时候，需要将文件中下划线那一步复制到进入ngp虚拟环境的cmd里面运行， 要注意修改对应的路径， 这里将路径换成了本机的路径。

python scripts/colmap2nerf.py --aabb_scale 1 --images D:\Nerf\datasets\tussock_tiny\data --text D:\Nerf\datasets\tussock_tiny\sparse --out D:\Nerf\datasets\tussock_tiny\transform.json

对应目录文件夹:

复制到CMD中直接运行，就能生成对应的transform.json文件。

第4步， 进行nerf渲染，注意修改路径，只需要修改后面图片文件夹路径：

前面的exe是再前面cmake编译生成的exe，在build文件夹中，一般不需要修改。

.\build\testbed.exe --scene D:\Nerf\datasets\tussock_tiny

整个过程要持续一段时间，在运行一段时间以后能看到渲染图像再变清晰：