写在最前头！！！配置nerfstudio需要cuda没有cuda请不用往下看了，cuda官方是要求11.3或者11.7我自己用的是阿里云的11.4亲测可用。
一、配置环境
安装anaconda3
去官网或者镜像下载anaconda3 的执行文件
官网：anaconda官网
清华镜像：清华大学开源软件镜像站
下载好之后执行如下代码：
bash Anaconda3-2023.03-1-Linux-x86_64.sh等待安装完成之后出现(base)字样，然后按照nerfstudio文档 创建虚拟环境：
conda create --name nerfstudio -y python=3.8
conda activate nerfstudio
python -m pip install --upgrade pip创建完环境之后需要安装torch，这里以cuda11.3为例：
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html如果是cuda11.7的用这个命令：
pip uninstall torch torchvision functorch
pip install torch==1.13.1 torchvision functorch --extra-index-url https://download.pytorch.org/whl/cu117来自2023.6.20日的更新
nerfstudio官方文档的更新，已经适配cuda11.8，如果是新显卡（如4090等）可以使用cuda11.8
cuda11.8和pytorch2.0.1安装如下：
pip uninstall torch torchvision functorch tinycudann
pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118安装tinycudann
pip install ninja git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch注意！在安装tinycudann的时候可能会因为在国内的原因导致无法从github拉取，出现
“The TLS connection was non-properly terminated.”这样的报错，我是使用以下命令：
git config --global --unset http.proxy
git config --global --unset https.proxy但是有时候也会出问题，我也参考了这篇文章：知乎
在安装完tinycudann之后，就可以按照文档安装nerfstudio了：
pip install nerfstudio注意！使用如上命令的时候会自动把上面的torch卸载安装别的版本（除非你就是11.3），否则在执行上述命令之后再执行一下如下命令重新装回torch1.12：
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html2023.6.20更新：
根据pytorch2.0.1更新文档，functorch的api已经更改，无需额外安装，因此，如果是安装了cuda11.7/11.8+pytorch2.0.1的小伙伴可以不用再安装functorch
如果是cuda11.3+torch1.12则在安装完成之后还需要再安装一个新的依赖：
pip install functorch==0.2.1注意！不要直接使用pip install functorch，会自动把torch卸载，直接安装制定版本即可。
至此 nerfstudio的基本框架都安装完毕。
可以用官方文档的demo试一下：
# Download some test data:
ns-download-data nerfstudio --capture-name=poster
# Train model
ns-train nerfacto --data data/nerfstudio/poster在执行第一行命令时因为是直接从google drive上取数据所以服务器在国内的小伙伴可能会出现错误，我的服务器是在国外的所以可以直接用，如果不行的话不要着急，不一定是你装错了！！
这里以我的为例，运行成功之后出现如下画面：
然后我们用给的这个链接使用viewer在我们的电脑上远程查看结果。
首先 将上述链接复制进我们的浏览器（我们的链接可能不一样以自己的为准）
我们还需要将我们的电脑连上远程的服务器，我自己的电脑是windows的，这里也给出了方法：
打开windows的powershell
输入如下，username是服务器的用户名 remote-machine-ip是服务器的公网ip地址
ssh -L 7007:localhost:7007 <username>@<remote-machine-ip>链接好之后，再打开网页就可以看到demo了：
当然我知道大家可能想用自己的数据，所以官方也给出了方法：
由于我使用的是图片的数据，因此我还要再安装colmap和ffmpeg。
安装ffmpeg执行如下命令即可：
sudo apt install ffmpeg二、安装colmap
安装colmap是最麻烦的，官方文档给出了安装colmap的方法：
sudo apt install colmap但是经过我的测试，我使用这个方法安装colmap之后在特征提取的时候会出现“Shader not supported by your hardware!”和“SiftGPU not fully supported!”
于是我参考这篇文章：CSDN 重新下载编译colmap
按照官方的文档，进行如下的操作：
sudo apt-get install \
git \
cmake \
ninja-build \
build-essential \
libboost-program-options-dev \
libboost-filesystem-dev \
libboost-graph-dev \
libboost-system-dev \
libboost-test-dev \
libeigen3-dev \
libflann-dev \
libfreeimage-dev \
libmetis-dev \
libgoogle-glog-dev \
libgflags-dev \
libsqlite3-dev \
libglew-dev \
qtbase5-dev \
libqt5opengl5-dev \
libcgal-dev \
libceres-dev除此之外，如果是和我一样用的Ubuntu 18版本的，还需要额外加命令：
sudo apt-get install libcgal-qt5-dev
sudo apt -y install liblz4-dev注意！！！！
然后将anaconda的文件夹改名！将anaconda的文件夹改名！将anaconda的文件夹改名！
这样做是防止之后anaconda的环境会影响后续编译，改好之后重新进一下终端，这时候如果前面的(base)没有了证明已经改了。
更新cmake
上面的命令已经自动安装了cmake了，不过是安装的cmake3.10，如果用这个版本后面编译会出问题，经过我的测试使用cmake 3.26.0可以通过。那就来更新cmake。
首先下载新版本的cmake：
wget https://cmake.org/files/v3.26/cmake-3.26.0-linux-x86_64.tar.gz解压：
tar zxvf cmake-3.26.0-linux-x86_64.tar.gz删除旧版本的cmake（这里可以选择直接删除也可以将文件复制走再删除）：
sudo rm -rf /usr/bin/cmake #(删除原本cmake 也可复制保存) 注意！我的cmake在这个文件下，请找对自己的cmake的文件目录！
创建软连接：
sudo ln -s /root/cmake-3.26.0-linux-x86_64/bin/cmake /usr/bin/cmake注意！：/root/cmake-3.26.0-linux-x86_64/bin/cmake是解压之后的cmake路径
/usr/bin/cmake是原本的cmake路径
之后输入cmake --version 可以查看cmake的版本
编译colmap
首先克隆源文件：
git clone https://github.com/colmap/colmap.git然后：
cd colmap
git checkout dev
mkdir build
cd build注意！我需要的是cuda版本的colmap，因此需要指定我的cuda，按照官方的文档和参考知乎的方法，在build目录下输入如下命令，/usr/local/cuda/bin/nvcc 需要改成自己的cuda的文件目录
sudo cmake .. -D CMAKE_CUDA_COMPILER="/usr/local/cuda-11.4/bin/nvcc" ../CMakeLists.txt -D CMAKE_CUDA_ARCHITECTURES='native'等待完成之后，会在build目录生成Makefile文件，在这个文件目录下，执行如下命令：
make
sudo make installmake命令的时间很长，需要耐心等待。等到100%之后再执行sudo make install即可
然后试一下colmap命令：
安装成功。
三、使用自己的数据
官方文档给出使用自己数据的命令，如下所示：
ns-process-data {video,images,polycam,record3d} --data {DATA_PATH} --output-dir {PROCESSED_DATA_DIR}第一个参数是指定输入的数据格式如image video等，
第二个参数是的指定源数据位置
第三个参数是指定colmap处理后的数据的位置
以我自己的数据为例，我使用图片数据进行：
ns-process-data images --data /root/data/pt007 --output-dir /root/processed_data/pt007处理完成之后再使用如下命令进行nerf三维重建：
ns-train nerfacto --data {PROCESSED_DATA_DIR}如果需要重建mesh模型还需要再加上：
ns-train nerfacto --pipeline.model.predict-normals True --data {PROCESSED_DATA_DIR}参考文章：
1、git报错：The TLS connection was non-properly terminated._蓝雨飞扬7的博客-CSDN博客
2、Linux Colmap出错“Shader not supported by your hardware!“和“SiftGPU .....
3、在Linux上安装其他版本的cmake 或 升级cmake
4、COLMAP3.8在Ubuntu18.04 下的配置 - 知乎
5、nvcc fatal : Unknown option 'fPIC' · Issue #1753 · colmap/colmap · GitHub
6、极智开发 | 解决 linux 上 git clone 慢或失败的方法 - 知乎
7、nerfstudio
8、Installation — COLMAP 3.8-dev documentation文章来源：https://www.toymoban.com/news/detail-497477.html
至此nerfstudio安装+使用完毕，我自己摸索两三天才配置完，感觉网络是占了很大的问题，国内git clone经常容易出错。另外就是文档中错误的指引比较少，再加上使用nerfstudio的人也很少，因此我就记录一下我自己安装和踩坑的过程，帮助大家。文章来源地址https://www.toymoban.com/news/detail-497477.html
到了这里，关于Ubuntu 18安装nerfstudio教程、踩坑记录的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
