深度学习三维重建模型volsdf使用记录

小白学习记录

1.首先利用COLMAP获取相机参数

        1.1特征提取

        1.2特征匹配

        1.3稀疏重建

        1.4导出为text

2.利用colmap/read_write_model.py at dev · colmap/colmap · GitHub将text文件转换为cameras_before_normalization.npz,再利用volsdf/data/preprocess at main · lioryariv/volsdf (github.com)中的normalize_cameras.py进行归一化

3.文件组织格式

将<case_name>放在volsdf/data下

        <case_name>

        |------scan1

                |------image

                        |------000.png

                        |------001.png

                        ......

                |------mask(我按照NeuS中的格式准备了全白的mask,好像不是必须的,但我没有进行测试)

                        |------000.png

                        |------001.png

                        ......

                |------cameras.npz

4.修改配置参数

由于我需要运行在我自己做的数据集(单个场景)上, 因此需要修改以下几个配置参数

expname=<case_name>

data_dir=<case_name>

img_res=[xxx,xxx]

scan_id=1

5.跑模型!

RTX3090,24G显存,base下torch==1.9.0,Python==3.8,cuda==11.1

直接利用environment.yml创建conda环境并运行后,提示“GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.”,这是因为cuda版本不对,我首先选择利用conda安装cuda==11.1,但提示有冲突,后改用pip进行安装

pip3 install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html

重新运行,提示“ImportError: /lib64/libstdc++.so.6: version `GLIBCXX_3.4.21‘ not found”,这是因为gcc版本不对,按照解决ImportError: /usr/lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.22‘ not found中的方法进行解决,大功告成

2022.04.10更新:

1.运行999轮后出现问题,错误提示是“No such file or directory: '/root/miniconda3/envs/volsdf/lib/python3.9/site-packages/plotly/package_data/plotly.min.js”目前还没有找到解决方法,暂且留个坑

2.在跑自己渲染的另一个数据集时,出现“RuntimeError: shape '[1, 4915200, 3]' is invalid for input of size 11059200”,原因是使用blender渲染时输出格式是RGBA四通道,应该改成RGB三通道进行渲染

2022.04.11更新:

导师告诉我1的问题的是因为使用的远程服务器

 

评论 6
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