您现在的位置是：首页 >技术教程 >Ubuntu20.04复现instant-ngp，自建数据集，导出mesh网站首页技术教程

一、环境配置：

操作系统：ubuntu20.04

GPU:RTX3090

CUDA:11.3（linux系统cuda版本要>=10.2）

Cmake:3.23.0（>=3.21）

python:3.7（>=3.7）

gcc:9.4.0（GCC/G++ >=8）

optix:（>=7.6）

colmap:3.6

ffmpeg:用于处理视频

meshlab

 二、具体安装过程

具体的安装过程就不详细介绍了，给出一些参考的博客与文章。

源码在这：NVlabs / instant-ngp  （官方文档给的安装流程也很详细，download跟着来就可）

ffmpeg安装(Ubuntu20.04 )

 ubuntu安装meshlab，全网最简单的方法

linux（ubuntu）安装 GCC 和 G++ C++ 开发环境

Ubuntu升级cmake版本

Ubuntu20.04安装Colmap

三、源代码复现

注：关于conda环境的配置、

我一开始准备复现的是葵酱的ngp_pl但是在安装apex的时候一直出错，无奈就复现这个了，但是配置的一些环境还是用到了这篇博客：带你复现nerf之instant-ngp（从0开始搭环境）。安装torch-scatter和安装tinycudann参考的是这篇。

看到一些博主说葵司的npg_pl也不错，而且葵司是台湾人，在youtube上也有讲解的视频。我配置的环境是跟着这篇走的。

如果对linux代码不熟悉的话可以直接打开instant-ngp的gui界面（./instant-ngp），然后把/home/wxy/instant-ngp/data/nerf/fox 中的transform.json文件直接拖进gui界面即可进行训练，几秒钟就可看到渲染的结果。

四、自建数据集渲染

关于instant-ngp界面的详细介绍：instant-ngp简介及NeRF的使用

先安利一波资源，我在复现自己的数据集的时候主要参考了youtube上的一个博主，他是在windows下进行复现的，区别不大，完全可以参考。

How To Make Datasets for Instant NGP (NeRF)

1.拍摄一段视频，并新建文件夹

在github上搜索colmap2nerf下载这个python文件scripts/colmap2nerf.py，然后把你拍摄的视频和这个.py文件放在一起，组建一个文件夹。

2.生成transform.json文件

然后就开始运行colmap进行抽帧+生成transform.json文件啦。

 (ngp_pl) wxy@wxy:~/下载/statue$ /home/wxy/instant-ngp/scripts/colmap2nerf.py --video_in statue.MP4 --video_fps 1 --run_colmap --aabb_scale 16

其中/home/wxy/instant-ngp/scripts/colmap2nerf.py要替换为你自己的视频和.py文件所在的地方

视频的名称也一定要改，记住是MP4不是mp4要不然的话会找不到视频的路径。

报错：

如果出现以下这个错误，说明你没有配置colmap的环境变量，需要在path中添加路径。

==== running: colmap feature_extractor --ImageReader.camera_model OPENCV --ImageReader.camera_params "" --SiftExtraction.estimate_affine_shape=true --SiftExtraction.domain_size_pooling=true --ImageReader.single_camera 1 --database_path colmap.db --image_path "data/safeguard"
sh: 1: colmap: Permission denied
FATAL: command failed

解决方法：

在终端输入以下代码，手动添加环境变量。

sudo gedit ~/.bashrc

export PATH=/home/wxy/download/colmap36-linux/bin:$PATH

 接着运行这个代码：

 (ngp_pl) wxy@wxy:~/下载/statue$ /home/wxy/instant-ngp/scripts/colmap2nerf.py --video_in statue.MP4 --video_fps 1 --run_colmap --aabb_scale 16

最后就可以生成transform.json文件了

 3.利用instant-ngp进行渲染

直接把生成的transform.json文件拖到instant-ngp的gui界面就可以渲染。

渲染的效果还是可以的，相对于源码来说还是有点模糊，我一些参数也没有设置，直接就拉进来进行渲染，速度是非常快的。

4.导出mesh

在instant-ngp的gui界面上有个Export mesh /volume /slices选项 点击它，然后再点击mesh it! 下面还有个save it!选项就可以导出mesh,而且可以在meshlab上进行查看。

导出的mesh效果不是很好，NeRF模型最佳使用50到150张图像训练，重建的质量取决于colmap2nerf.py能够从图像中提取准确的相机参数。如果要效果好点的话，需要注意几点：

1. 尽量光线比较充足均匀；
2. 拍摄物体尽量覆盖所有的视角；
3. 采用防抖动设备，避免在拍摄过程中图像失真；
4. 图像分辨率尽量要高；神经辐射场NeRF之Instant-ngp环境搭建与应用

五、总结

 本次仅仅记录一下自己复现instant-ngp的过程，如果里面的参考有冒犯到原博主请联系我删除，本人也是nerf的小白一枚，可以一起交流学习神经辐射场，希望大家在复现instant-ngp的时候少走一些坑，情况允许下可以去复现一下npg-pl和nerfStudio，最后希望大家一起进步。