Supersplat项目处理大型3DGS场景中的异常大尺寸Splat问题

在 Ubuntu 18.04 上复现 3D Gaussian Splatting (3DGS) 项目，涉及多个关键步骤，包括系统依赖项配置、CUDA 支持、C++ 编译器升级以及相关开发工具的安装。以下是详细的实现指南： ### 1. 系统依赖与编译器配置 Ubuntu 18.04 自带的 GCC 和 G++ 版本为 7.x，不支持 C++17 标准，而 3DGS 项目可能依赖 C++17 的特性（如 `std::filesystem`），因此必须升级到 GCC-9 或更高版本。可通过以下命令安装并切换默认版本： ```bash sudo apt update sudo apt install gcc-9 g++-9 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 90 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 90 ``` 验证版本升级是否成功： ```bash gcc --version g++ --version ``` ### 2. CUDA 安装与配置 3DGS 项目通常依赖 CUDA 加速，官方推荐使用 CUDA 11.8，其他版本（如 11.6）可能存在兼容性问题[^2]。Ubuntu 18.04 的官方仓库不直接提供 CUDA 11.8 的安装包，需手动下载 NVIDIA 官方提供的 `.run` 文件进行安装。 安装前需禁用 Nouveau 驱动： ```bash sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf" sudo update-initramfs -u ``` 重启后，下载 CUDA 11.8 安装包并执行安装： ```bash chmod +x cuda_11.8.0_520.61.05_linux.run sudo ./cuda_11.8.0_520.61.05_linux.run ``` 安装完成后，设置环境变量： ```bash echo 'export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc source ~/.bashrc ``` ### 3. 安装 Python 与 PyTorch 环境 3DGS 的训练与推理部分通常依赖 PyTorch 和 CUDA 加速的版本。推荐使用 `conda` 创建虚拟环境以隔离依赖： ```bash conda create -n gaussian_splatting python=3.9 conda activate gaussian_splatting pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118 ``` ### 4. 安装项目依赖库 3DGS 项目通常依赖 OpenGL、GLFW、Eigen、OpenCV 等库。Ubuntu 18.04 的默认源可能缺少某些较新版本的依赖包，例如 `libpng-dev` 和 `libopencv-dev` 安装时可能遇到依赖问题[^3]。可尝试手动安装或从源码编译 OpenCV： ```bash sudo apt install libgl1 libglfw3 libgles2-mesa-dev libpng-dev ``` 若 OpenCV 安装失败，可使用以下命令从源码安装： ```bash git clone https://github.com/opencv/opencv.git cd opencv mkdir build && cd build cmake .. make -j$(nproc) sudo make install ``` ### 5. 获取并构建 3DGS 项目 克隆官方或社区维护的 3DGS 项目仓库，例如： ```bash git clone https://github.com/graphdeco-inria/gaussian-splatting.git cd gaussian-splatting mkdir build && cd build cmake .. make -j$(nproc) ``` 若构建过程中报错，检查是否缺少依赖项或 CUDA 配置错误。 ### 6. 运行与可视化 完成构建后，可运行示例数据集进行测试： ```bash cd .. python render.py --model_path output/your_model --iteration 7000 ``` 若需远程可视化，可考虑使用 `superspl.at/editor` 在线平台进行点云渲染[^2]。 ---