实验笔记之——Gaussian Splatting SLAM配置与测试

之前博客对基于3DGS的SLAM进行了调研

学习笔记之——3D Gaussian Splatting及其在SLAM与自动驾驶上的应用调研_3d gaussian splatting slam-CSDN博客文章浏览阅读3.2k次，点赞40次，收藏58次。论文主页3D Gaussian Splatting是最近NeRF方面的突破性工作，它的特点在于重建质量高的情况下还能接入传统光栅化，优化速度也快（能够在较少的训练时间，实现SOTA级别的NeRF的实时渲染效果，且可以以 1080p 分辨率进行高质量的实时（≥ 30 fps）新视图合成）。开山之作就是论文“3D Gaussian Splatting for Real-Time Radiance Field Rendering”是2023年SIGGRAPH最佳论文。_3d gaussian splatting slamhttps://blog.csdn.net/gwplovekimi/article/details/135397265?spm=1001.2014.3001.5501特别地，对3DGS以及SplaTAM都进行了测试，并对源码进行解读：

学习笔记之——3D Gaussian Splatting源码解读_3dgs代码-CSDN博客文章浏览阅读3.8k次，点赞42次，收藏73次。高斯模型的初始化，初始化过程中加载或定义了各种相关的属性使用的球谐阶数、最大球谐阶数、各种张量（_xyz等）、优化器和其他参数。self.active_sh_degree = 0 #球谐阶数self.max_sh_degree = sh_degree #最大球谐阶数# 存储不同信息的张量（tensor）self._xyz = torch.empty(0) #空间位置self._scaling = torch.empty(0) #椭球的形状尺度。_3dgs代码https://blog.csdn.net/gwplovekimi/article/details/135500438?spm=1001.2014.3001.5501学习笔记之——3D Gaussian SLAM，SplaTAM配置（Linux）与源码解读-CSDN博客文章浏览阅读2.2k次，点赞35次，收藏46次。SplaTAM全称是《SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM》，是第一个（也是目前唯一一个）开源的用3D Gaussian Splatting（3DGS）来做SLAM的工作。在下面博客中，已经对3DGS进行了调研与学习。其中也包含了SplaTAM算法的基本介绍。学习笔记之——3D Gaussian Splatting及其在SLAM与自动驾驶上的应用调研-CSDN博客。_splatamhttps://blog.csdn.net/gwplovekimi/article/details/135647242?spm=1001.2014.3001.5501而最近，《Gaussian Splatting SLAM》也开源了，为此用本博文记录本人配置及测试的实验过程。本博文仅供本人学习记录用~

Gaussian Splatting SLAM

论文链接：https://www.imperial.ac.uk/media/imperial-college/research-centres-and-groups/dyson-robotics-lab/hide-et-al_GaussianSplattingSLAM_Dec2023.pdf

论文主页：Gaussian Splatting SLAM

代码链接：GitHub - muskie82/MonoGS: [CVPR'24] Gaussian Splatting SLAM

具体的原理方面的介绍在之前博客中有，此处略过~

配置

首先，下载代码

git clone https://github.com/muskie82/MonoGS.git --recursive
cd MonoGS

创建conda环境，并进入

conda env create -f environment.yml
conda activate MonoGS

然后下载tum数据集测试

bash scripts/download_tum.sh

由于之前测试SplaTAM的时候就下载过了，此处跳过~

运行下面代码测试~

python slam.py --config configs/mono/tum/fr3_office.yaml

首先要注意到config文件内修改数据集的地址

由于运行此代码会同时有个GUI窗口弹出，为此要改为在MobaXterm中运行

但是报错~发现是第一张GPU满了hhh

CUDA_VISIBLE_DEVICES=2 python slam.py --config configs/mono/tum/fr3_office.yaml

第一张卡的GPU id=0，第二张卡的GPU id=1，以此类推。

运行时，界面如下，好像有点卡~~~感觉远不到实时吧

在服务器上可能由于远程OPENGL的缘故把，特别的卡～～～改为用自己电脑进行测试。

类似上面的配置及安装方式，但是报错如下

可能是由于网络不好导致的，为此进入环境，然后手动一个一个pip install一次(如果还是不行就用conda install安装)

从截图看应该是opencv-python==4.8.1.78以及之后都没成功，一个一个check一下吧～（注意要先运行conda activate MonoGS，保证在对应环境下配置～）

tips:不要用Vscode的终端，直接用系统终端好像会快些。。。

然后下载数据集

bash scripts/download_replica.sh
 
bash scripts/download_euroc.sh

由于数据集的路径是默认的，为此不需要再更改config文件

conda activate MonoGS
 
python slam.py --config configs/stereo/euroc/mh02.yaml

测试视频效果

至于代码解读就不额外写博客了~看懂了3DGS与SplaTAM看这个也差不多~后续把中文注释放到下面GitHub～

GitHub - KwanWaiPang/Gaussian_Splatting_SLAM_commentContribute to KwanWaiPang/Gaussian_Splatting_SLAM_comment development by creating an account on GitHub.https://github.com/KwanWaiPang/Gaussian_Splatting_SLAM_comment