AutoDl下安装colmap（亲测可用）

目录

前言

本文下载是带有GPU版本的ColMap软件，自己多次踩坑，记录一下。也为其他读者一些排坑。

机器基本配置

• RTX 3090(24GB)
• PyTorch 2.1.0
• Python 3.10(ubuntu22.04)
• Cuda 12.1

安装流程

1. 下载依赖库

   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   #代码1
   

   运行以上代码，如果没有成功过则更新ubuntu22.04系统中的安装命令，运行以下代码

    sudo apt update/upgrade代码    # 代码2
    #运行代码2后再运行代码1即可
   

2. 下载colmap源代码
   git clone https://github.com/colmap/colmap.git
   然后进行目录中创建build目录，然后编译运行

    powershell
    cd colmap
    mkdir build
    cd build                             # 代码3
    sudo cmake .. \
      -D CMAKE_CUDA_COMPILER="/usr/local/cuda-12.1/bin/nvcc" ../CMakeLists.txt \
      -D CMAKE_CUDA_ARCHITECTURES='86'           
   

   • 注意事项
     1. CMAKE_CUDA_COMPILER="/usr/local/cuda-12.1/bin/nvcc"其中cuda-12.1为我自己的版本，读者需要改为自己对应的cuda版本。
     2. CMAKE_CUDA_ARCHITECTURES='86'其中，86为cuda机器的代号，每个cuda版本有其对应的代号。查看代号的网站：[cuda机器和代号](https://arnon.dk/matching-sm-architectures-arch-and-gencode-for-various-nvidia-cards/
     3. 运行完代码3后，colmap中会出现MakeFile文件，在运行前，需要将根目录中的minconda3文件名字展示修改为其他名字（名字修改后conda命令会失效，jupyter也会失效），因为colmap在编译期间其环境变量可能与minconda3中冲突，导致安装失败。
        切换到含有MakeFile文件的目录下运行代码 sudo make -j24 sudo make install待其安装完成便可，然后将minconda3的名字修改回来。