一、环境部署 

1、Visual Studio 2019 安装

Visual Studio 2019 预览版发行说明 | Microsoft Docs

 从上述链接下载Community 2019版并安装，界面如下

 选择C++选项，右侧复选框默认，点击安装。安装完成后重启系统。

2、CUDA-Toolkit 安装

输入cmd打开命令行，输入下述命令：

nvcc --version

若报错，则未安装CUDA-Toolkit，进行如下步骤。

在命令行中输入：

nvidia-smi

 返回下列表格：

 右上角的CUDA Version：11.6表示GPU支持的最高CUDA版本为11.6。（若没有返回这个表格，可能是因为为安装显卡驱动，则需先安装显卡驱动）

下面进入链接进行CUDA-Toolkit下载：CUDA Toolkit Archive | NVIDIA Developer

文件大小大概是2.5G左右，耐心等待即可。

 按照官方的步骤，下载完成后，双击这个可执行文件，然后跟着步骤来就好了。

 点击OK

 同意并继续

 这里选择精简的话，将会覆盖你原来的驱动。如果你不想这样，请选择自定义。

继续安装，等待安装完成。安装完成后需要添加环境变量到你的Path

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp

重启系统之后，打开命令行输入nvcc --verison ，返回如下：

恭喜你，CUDA安装成功。

下面检验CUDA是否可以正常使用：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite

 输入deviceQuery.exe，返回如下：

 输入bandwidthTest.exe，返回如下：

则CUDA检验通过！ 

至此，CUDA-Toolkit安装完成！

3、OpenEXR 安装

https://www.lfd.uci.edu/~gohlke/pythonlibs/#openexr

进入链接下载

下载后，先放着，后续我们pip时会用到。 

4、Anaconda 安装

去官网下载：Anaconda | Anaconda Distribution

下载windows版本！！！

 下载完成后打开安装程序

此处选择Just Me，Next

尽量装在C盘（若在ubuntu系统进行安装，不要安装在root下，建议安装在home下），以避免一些不必要的错误！

 

 这里第一个选项是指将安装路径自动添加到环境变量中（不推荐）

我选择第二个选择，后续手动进行环境变量的添加即可。

Install 

Finish！！

下面开始进行anaconda环境变量的配置：

搜索环境变量

 点击环境变量：

 双击Path：

将下列路径添加到环境变量（具体路径自己去查）：

C:\Anaconda 
C:\Anaconda\Scripts 
C:\Anaconda\Library\mingw-w64\bin
C:\Anaconda\Library\bin

 添加完之后，打开命令行输入conda，返回如下信息：

Anaconda安装完成！！！ 

5、OptiX 安装

前往官网下载：NVIDIA OptiX™ 光线追踪引擎 | NVIDIA Developer

 选择Windows进行下载，instant-ngp要求OptiX版本必须在7.3及以上，这里选择7.5版本。

点击下载后，会要求注册会员，按照步骤加入即可。

下载完成后，按安装向导指引进行安装。

安装完成后，我们需要进行环境变量的配置:

 6、相关文件复制（将CUDA下的部分文件复制到VS2019下）

copy from：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\visual_studio_integration\MSBuildExtensions

to：C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations

二、Instant-ngp 部署

1、创建文件夹

这里我在C盘下创建一个名为ngp的文件夹,并进入到其中

mkdir ngp
cd ngp

2、安装 git

去下面链接下载：Git - Downloading Package

按照安装引导进行安装

将git添加到环境变量中

参考这篇博客：Git安装及环境配置（Windows10）_Agolonely的博客-CSDN博客_git windows安装配置

3、克隆项目（有坑）

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

若报错：fatal: unable to access ‘https://github.com/.......‘: OpenSSL SSL_read: Connection was reset

则需要解除ssl验证，使用以下命令：

git config --global http.sslVerify "false"

再次进行克隆即可。

若报错：error: RPC failed； curl 56 OpenSSL SSL_read: Connection was reset, errno 10054

则需要修改git的缓存大小为100M，使用以下命令：

git config --global http.postBuffer 100M

再次进行克隆即可。、

（公钥和密钥这里不用管，一般往github上上传的时候才需要用）

但是由于某211高校垃圾的网络，上述办法都不能解决问题，后面使用魔法，换源之后，去gitee上也不可以（应该是instant-ngp依赖源太多了）。

最后，找了在香港的师兄帮忙下载后传了过来..........

(晚上蹲坑的时候意外发现 淘宝可以代理下载 1G文件1米)

4、项目编译

使用下列命令检查python版本是否为3.9

python --version

若不是3.9，则使用下面命令进行安装：

conda install python=3.9

安装完成后，打开VS2019的命令行：

 进入instant-ngp文件夹

使用下面命令进行编译：

cmake . -B build
cmake --build build --config RelWithDebInfo -j 16

这里就已经编译完成啦

5、虚拟环境的构建

首先，我们需要下载COLMAP

进入链接：Release 3.7 · colmap/colmap · GitHub

滑到最下面，选择下面这个进行下载（windows且已安装CUDA）：

 下载完成后，解压instant-ngp根目录下，并重命名为COLMAP

并将其添加到环境变量Path中去：

C:\ngp\instant-ngp\COLMAP

打开Anaconda3命令行

依次使用下列命令建立环境、激活环境，安装所需包：

conda create -n ngp python=3.9
conda activate ngp
pip install -r requirements.txt

下载过程中遇到了下载失败的问题（call timeout），重新用管理员身份打开anaconda，再次运行pip即可。

如果pip下载太慢，可以使用国内的镜像源进行加速，例如使用清华镜像源进行加速： 

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name

进行OpenEXR的下载：

pip install pyexr

 但是在我的机器上会失败，这时候就要用到之前下载的轮子了。将之前下载的轮子放在instant-ngp根目录下，然后执行命令：

pip install OpenEXR-1.3.2-cp39-cp39-win_amd64.whl

安装完成！

6、自定义数据集的构建

 我们首先进入instant-ngp的根目录，将图片文件夹放到data文件夹下。如下：

 然后运行如下命令（只需要把后面的image path改成自己的就行）：

python scripts/colmap2nerf.py --colmap_matcher exhaustive --run_colmap --aabb_scale 16 --images <image/path>

即可在instant-ngp根目录下获得transform.json文件：

然后把文件夹结构改成如下所示：

 如果显卡显存不足，可以在transform.json文件中改变aabb_scale的大小，其值越小对显卡的要求越低，但是分辨率会下降，且必须是2的整数次幂（1，2，4，8，16.........）。

然后运行如下命令进行三维重建：

<path_to_your_ngp>\instant-ngp\build\testbed.exe --scene data/<image_set_name>

 重建结果如下：

 但是此次部署采用的数据集是经过背景扣除后的变压器照片，在进行相机定位时，由于缺乏背景信息和变压器的对称性，导致重建出来变压器的一面。

之后单独用COLMAP进行相机的定位，结果如下：

可以看到，相机在定位时，其位姿饶了一圈又返回了。这里用到了增量式SFM的原理，后面会出相关内容的博客。

对于COLMAP的使用也会单独出一篇博客。