Windows 版

搭建环境

（1）创建conda环境

1
2
3

conda create -n nerf-ngp python=3.8
conda activate nerf-ngp
pip install commentjson imageio numpy opencv-python-headless pybind11 pyquaternion scipy tqdm

（2）下载instant-ngp应用

项目地址：https://github.com/NVlabs/instant-ngp

快速使用可以下载官方提供的instant-ngp.exe应用，根据自己的显卡版本下载即可：

（如果链接失效请参考源项目中Installation部分，如果在ubuntu下使用，需要下载源码构建。）

根据自己的情况，下载完成后解压即可：

（3）测试

打开instant-ngp.exe，将data\nerf\下的fox文件直接拖到窗口中即可

Colmap 计算相机位姿

（1）录制视频

对于要三维重建的物体或场景，使用手机录制一段视频。

尽量均匀扫描，手机不要移动太快或抖动。

（2）使用Colmap计算相机位姿

在项目文件夹内新建一个文件夹，将录制的视频放进去。

cd到视频所在的目录下。在命令行内执行：

1 2	conda activate nerf-ngp python ..\..\scripts\colmap2nerf.py --video_in desk.mp4 --run_colmap --overwrite

需要等待较长的一段时间

完成后会出现分割好的image文件夹

再继续执行：

1	python ..\..\scripts\colmap2nerf.py --colmap_matcher exhaustive --run_colmap --aabb_scale 16 --overwrite

在等待比较长的一段时间，完成。

instant-ngp 三维重建

打开instant-ngp.exe，将desk文件夹整体拖进去就ok了

视觉效果还是相当可以的，不过导出 mesh 模型效果比较差

Ubuntu 版

该方法在 Ubuntu 20.04 +RTX 3090Ti 机器上进行过测试。

环境配置

首先安装以下依赖

1	sudo apt-get install build-essential git python3-dev python3-pip libopenexr-dev libxi-dev libglfw3-dev libglew-dev libomp-dev libxinerama-dev libxcursor-dev

安装 CUDA，参考记录 Ubuntu 安装后的系统配置、常用软件安装过程/4.5 CUDA。

下载代码

1 2	git clone --recursive https://github.com/nvlabs/instant-ngp cd instant-ngp

进行编译

1 2	cmake . -B build -DCMAKE_BUILD_TYPE=RelWithDebInfo cmake --build build --config RelWithDebInfo -j

Demo 测试

运行下面的可执行文件，启动 nerf

1	./instant-ngp

将 data/nerf/fox 中的 transform.json 文件直接拖进 gui 界面即可进行训练

自建数据集

创建 conda 环境

1
2
3

conda create -n nerf-ngp python=3.8
conda activate nerf-ngp
pip install commentjson imageio numpy opencv-python-headless pybind11 pyquaternion scipy tqdm

将自己录制的视频放置在 instant-ngp/script 目录下。

执行以下程序生成 transform.json 文件