我要评论windows本地操作
环境配置
前提：已下载并配置好anaconda、cuda、pytorch、colmap等。
已在anaconda中配置好虚拟环境，pytorch最好安装在虚拟环境中，不要在base中。
可参考：过程挺详细的
在python终端运行如下代码，将官方代码进行下载。
git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive
复现流程参考一个外国的大佬写的，但是有些文件的存放在我电脑上运行是有些问题的，以下是我自己进行调整后，可以运行的操作。
复现流程
手动配置操作colmap
因为我的电脑无法用自动配置，所以用的手动。手动和自动配置都在上面的连接中有写到。
1、将已拍好的物体图片存放在文件夹中，命名为input。
2、利用colmap进行获取相机位姿等操作
直接打开colmap。
（1）新建一个工程：file>new project，会出现如下对话框
点击new，选择你存放图片所在的文件夹下，新建.db文件，images即存放的图片路径。
（2）提取特征值：processing>feature extraction，将shared for all images勾上，first_octave设为0，其他设置保持默认选项。
（3）特征匹配：processing>feature matching。
因为拍摄图片时，应该是通过绕着对象走动来记录的，所以相邻的图像在空间上应该是接近的，因此可以使用sequential（顺序匹配模式）。这将比默认的exhaustive（穷举模式）更快(如果重构失败，可以用穷举模式再次尝试)。然后点击run(这将花费几秒钟到一分钟)。
（4）重建：reconstruction>reconstruction options。取消勾选multiple_models（因为我们是对一个而不是多个场景重构），关闭窗口。然后开始重建优化：reconstruction>start reconstruction。
（5）colmap重建完成，将在gui中看到相机姿势(红色)以及场景的稀疏点云。现在通过点击file>export model导出相机姿势，保存在新建的distort文件夹中（与input文件夹相同级别），然后可以关闭colmap。
现在的数据应该存放如下：
进行训练前的准备（undistort the images）
现在需要消除图像的扭曲（undistort the images）。这是因为3d高斯的训练要求图像具有理想的针孔特性。
注意，对文件进行多一步操作
（1）关键！！！跟上面的链接不同之处：
在distorted文件夹下面，新建sparse/0文件夹，并将distorted文件下面的points3d.bin、images.bin、cameras.bin三个文件移到sparse/0文件夹下面。
（2）进入代码的文件夹，新建一个data文件夹，用于存放需要用到的训练数据。
将对象文件移入data
对于下一步进行的训练，实际只需要用到images和sparse两个文件夹下的东西
接着，打开终端，进入虚拟环境，进入在gaussion splatting（代码所在）文件夹下。运行如下代码：
python convert.py -s $folder_path --skip_matching
见到done.即代表完成undistort the images的操作。
文件夹的文件分布如下：
至此即可以开始进行训练。
训练
还是在终端进入虚拟环境，进入在gaussion splatting（代码所在）文件夹下。运行如下代码：
python train.py -s $folder_path -m $folder_path/output
运行完后即会得到output文件夹，output中文件如下:
其中，iteration_7000和30000中各存有一个point_cloud.ply文件。
模型可视化
首先下载可视化工具
下载完后得到viwer文件夹，把它移到你建立的工程文件夹下（我的电脑上是gaussian-splatting）
终端进入如下带有sibr_gaussianviewer_app.exe文件的文件夹中
运行如下代码：
sibr_gaussianviewer_app -m $folder_path/output
到这步就通过sibr看到训练后的可视化成果了。
colab上运行
首先默认大家已经会使用colab再开始看本教程。
不会的可以参考，colab使用教程
进入网址，官方给的ipynb，可以在colab上跑
官方给的代码是默认跑他们给的数据集，如果要跑自己的数据集，则直接修改下面的程序就行：
python train.py -s $folder_path -m $folder_path/output
发表评论