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 functorchpip 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 tinycudannpip 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-devsudo 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。