3DGS高斯泼溅项目环境搭建(传统Windows版)和ooosplat直接安装使用

ooosplat直接安装使用OOOSplat 是一款将普通环绕拍摄视频或图片序列一键转换为 3D Gaussian Splatting 的本地桌面应用。选择素材、项目目录和质量档位后应用会自动完成画面准备、相机重建、训练与 PLY 发布并可直接预览、调整和导出结果github下载ooosplat必要工具下载与介绍传统的一、 Anaconda3需要登录一下邮箱 科学上网一下 安装会比较慢 耐心等待一下Anaconda3下载地址初始只有个base环境后面会在这配置相关的高斯泼溅所需环境。二、 CUDA 11.8渲染要用到的我求稳定下载的11.8版本三、 VS2019和CUDA配套使用的。不知道有没有安装其他版本最后成功的我反正只能2019版本成功。我这里勾选了python和**C**的选项。四、 Colmap不同版本下载地址Colmap下载压缩包4.1 COLMAP 简介COLMAP 是一个功能强大的开源三维重建工具它支持自动化的多视角几何重建包括特征提取、相机位姿估计、稀疏点云重建、稠密点云生成等核心功能。无论是学术研究还是工程应用COLMAP 都是不可或缺的三维重建利器。 下载学习资源4.2 为什么选择 COLMAP1.易用性COLMAP 提供了 GUI 和 CLI 两种模式满足用户的可视化需求和命令行自动化需求。对于新手来说GUI 模式可以直观地查看每一步的处理结果方便快速上手而对于需要批量处理或集成到自动化流程中的用户CLI 模式则提供了极大的灵活性可以通过脚本一键完成整个三维重建流程。2.功能强大支持多种相机模型如针孔模型、鱼眼模型等和大规模图像数据处理。无论是手机拍摄的照片、无人机航拍的影像还是专业相机采集的高分辨率图像COLMAP 都能有效处理。它还支持分布式计算可以在多台机器上并行处理大规模数据集大幅缩短重建时间。3.高性能利用 CUDA 进行 GPU 加速需 CUDA 支持能够显著提升特征提取、匹配和重建的速度。在 GPU 加速下原本需要数小时的重建任务可以缩短到几十分钟甚至更短极大地提高了工作效率。同时COLMAP 还针对内存使用进行了优化能够处理超出显存容量的数据集。4.开源免费基于 MIT 开源协议可自由使用和修改。这意味着你不仅可以免费使用 COLMAP 的全部功能还可以根据自身需求修改源码、定制功能甚至将其集成到自己的商业项目中而无需支付任何授权费用。此外活跃的开源社区也保证了 COLMAP 的持续更新和问题修复。5.生态完善COLMAP 与众多主流的三维重建和渲染框架如 OpenMVS、Meshroom 等兼容可以无缝衔接。在本教程中COLMAP 将作为高斯泼溅3D Gaussian Splatting的前置工具负责从输入图片中生成稀疏点云和相机参数为后续的高斯训练提供必要的数据基础。4.3.选择合适的版本滑动页面到最下方根据系统选择对应的版本Windows 用户下载colmap-x64-windows-cuda.zip。Mac/Linux 用户可根据需要自行编译源码建议参考官方文档进行编译。4.4配置环境变量4.5添加路径到环境变量中4.6点击 新建将刚才复制的路径粘贴进去不能有中文和空格比如G:\colmap\colmap-x64-windows-cuda4.7 验证是否安装成功双击COLMAP.bat4.8双击 COLMAP.bat 后如果成功启动会弹出 COLMAP 的 GUI 界面。五、 配置环境没装git的先装一下git5.1 克隆项目把项目文件git下来我不喜欢放C盘就放G盘了控制台输入cd /d G:\5.2 克隆项目命令输入git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive这里可能会有小问题上网查一下基本都能解决clone 如下5.3. 设置环境变量指令目的是使用 Microsoft Visual C 构建工具通常是 Windows SDK 相关组件来到文件路经 cd /d G:\gaussian-splatting注意后续操作都基于这个路径5.4. 创建高斯泼溅环境用Conda创建高斯泼溅的环境。我安装的conda在命令行输入时要输成 _conda,当时找了半天问题以为我安装错了。对了记得把anaconda的文件夹放进环境变量不然没法用。输入_conda ,弹出一大堆东西就说明可以用了。安装完anaconda3 会有 Anaconda Prompt 全部基于这个环境5.5这里是切换到我上面克隆项目下的目录5.6创建虚拟环境(G:\CondaEvns\GS)这里是路径_conda env create --file environment.yml --prefixG:\CondaEvns\GS5.7激活环境六、开始训练6.1创建输入文件夹在之前clone下来的项目文件中先随便创建个文件夹我这里创建了个 data再在 data 文件夹里创建输入文件夹命名为 input 。在 input 文件夹中放入要处理的图片。这里我是自己拍摄的视频每秒抽几帧出来的。PS最开始只有一个 input 文件夹在之后运行代码会多出如下文件夹与图片、相机参数有关的。七、Colmap点云初始化7.1 调用 convert.py 控制台输入PS这里要先打开之前创建的conda环境转到高斯泼溅的根目录根据我的文件目录输入python convert.py –s data( 或者python convert.py -s G:\gaussian-splatting\data完成后 input 文件夹多出上面说的与图片、相机参数、稀疏3D点有关的文件夹。正在初始化data中的input图片进行参数的添加7.2. 高斯训练调用 train.py ,开始高斯泼溅渲染。输入在我这里也就是输入python train.py –s data或者python train.py -s G:\gaussian-splatting\data这里会显示7000步和30000步的迭代进度相应的会在根目录那里自动创建 output 文件夹7.3. 子模块安装补充训练的时候有几个问题产生子模块没有安装这里我也卡了蛮久我首先试了直接 pip install submodules\diff-gaussian-rasterization报错安装不了如果不是2019版本我第一次22版本CUDA编译器NVCC报告致命错误不支持当前VS版本安装这个先输入conda install -c conda-forge vs2019_win-6419版的开发工具应该是接着再安装子模块 依次输入pip install submodules\diff-gaussian-rasterizationpip install submodules\simple-knnpip install submodules\fused-ssim分别是高斯光栅化、数据处理、图像质量评估的子模块安装之后就可以正常训练了大功告成这步折磨了我很久。八、最终模型启动展示九、模型素材网址也可以自行网上找寻https://demuc.de/colmap/datasets/https://www.tanksandtemples.org/download/十、问题的总结以及流程化步骤10.1注意python的版本推荐3.10及以上否测也会出问题10.2子模块安装补充问题编译 3 个 CUDA子模块 扩展包cdG:\gaussian-splatting\submodules\fused-ssim pip install . --no-build-isolation cdG:\gaussian-splatting\submodules\simple-knn pip install . --no-build-isolation cdG:\gaussian-splatting\submodules\diff-gaussian-rasterization pip install . --no-build-isolation 安装完之后启动训练 cdG:\gaussian-splatting set KMP_DUPLICATE_LIB_OKTRUE python train.py -s data10.4缺少 plyfile 包这个包用来读写 ply 点云文件在当前 GS 环境执行安装 pip install plyfile 或者用 conda 安装 conda install plyfile 安装完成后先验证 python -cimport plyfile;print(plyfile ok)然后再启动训练别忘了设置 KMP set KMP_DUPLICATE_LIB_OKTRUE python train.py -s data10.5cv2 就是 OpenCV高斯泼溅读取图片、处理相机需要这个库直接安装就行在 GS 环境执行安装命令 pip install opencv-python 验证是否安装成功 python -cimport cv2;print(cv2导入成功)启动训练记得设置 KMP 环境变量 set KMP_DUPLICATE_LIB_OKTRUE python train.py -s data10.6 tqdm报错在 GS 环境执行安装命令 pip install opencv-python plyfile tqdm 启动训练记得设置 KMP 环境变量 set KMP_DUPLICATE_LIB_OKTRUE python train.py -s data十一、 Gaussian Splatting Windows 从零部署完整流程适用环境Windows 10/11、CUDA11.8、Python3.10、Anaconda项目路径G:\gaussian-splatting虚拟环境路径G:\CondaEvns\GS11.1、前期必备环境提前装好NVIDIA 显卡驱动支持CUDACUDA Toolkit 11.8必须严格11.8Visual Studio Build Tools 2022勾选使用C的桌面开发COLMAP Windows CUDA版本11.2、创建并配置 Python3.10 虚拟环境打开Anaconda Prompt依次执行# 创建Python3.10专属环境 conda create --prefix G:\CondaEvns\GS python3.10 -y # 激活虚拟环境 conda activate G:\CondaEvns\GS # 校验Python版本必须3.10.x python --version11.3、安装 GPU 版 PyTorchCUDA11.8conda install pytorch torchvision torchaudio pytorch-cuda11.8 -c pytorch -c nvidia -y11.4、修复Windows致命报错shm.dll / Win182 / 126解决OpenMP库冲突必做否则全程报错# 备份冲突系统库 move G:\CondaEvns\GS\Library\bin\libiomp5md.dll G:\CondaEvns\GS\Library\bin\libiomp5md.dll.bak✅关闭当前窗口重新打开 Anaconda Prompt再次激活环境conda activate G:\CondaEvns\GS set KMP_DUPLICATE_LIB_OKTRUE11.5、安装全部项目依赖包pip install plyfile tqdm opencv-python pillow依赖完整性校验全部不报错即成功python -c from PIL import Image;print(PIL成功) python -c import cv2;print(cv2成功) python -c import plyfile;print(plyfile成功) python -c import torch;print(torch成功,torch.cuda.is_available())11.6、编译三个核心CUDA扩展模块Windows必须手动编译原版yml自动编译会报错必须手动逐条编译# 1. 编译 fused-ssim cd G:\gaussian-splatting\submodules\fused-ssim pip install . --no-build-isolation # 2. 编译 simple-knn cd G:\gaussian-splatting\submodules\simple-knn pip install . --no-build-isolation # 3. 编译 diff-gaussian-rasterization核心光栅器 cd G:\gaussian-splatting\submodules\diff-gaussian-rasterization pip install . --no-build-isolation11,7、创建数据集文件夹 存放图片1. 固定目录结构在G:\gaussian-splatting下新建文件夹最终结构gaussian-splatting/ └── data/ └── images/ # 所有拍摄图片放入这里2. 执行COLMAP稀疏重建生成相机参数点云替换为你自己的colmap.exe路径统一执行cd G:\gaussian-splatting python convert.py --colmap_executable G:\colmap\colmap-x64-windows-cuda\bin\colmap.exe -s data执行完成后data文件夹会自动生成sparse点云文件代表数据集准备完成。11.8、正式启动高斯训练二选一执行方案1默认画质高显存、原图训练cd G:\gaussian-splatting set KMP_DUPLICATE_LIB_OKTRUE python train.py -s data方案2低显存专用推荐提速防卡顿缩放图片0.5倍大幅降低显存压力解决训练卡住、速度慢问题cd G:\gaussian-splatting set KMP_DUPLICATE_LIB_OKTRUE python train.py -s data -r 0.511.9、常用关键说明训练结果保存路径G:\gaussian-splatting\output新开终端必做两步激活环境 设置KMP变量训练卡住不动优先使用-r 0.5参数重启训练Tensorboard not available为正常提示不影响训练11.10、重启项目通用启动模板日常复用conda activate G:\CondaEvns\GS set KMP_DUPLICATE_LIB_OKTRUE cd G:\gaussian-splatting python train.py -s data -r 0.5