前言
3DGS源码中convert.py提供对自采数据集的处理，需要预先安装Colmap和ImageMagick.
ubuntu22.04安装colmap
点击进入NVIDIA官网，查看GPU的CMAKE_CUDA_ARCHITECTURES
1、克隆colmap源码，并进入colmap文件夹
git clone https://github.com/colmap/colmap.git
cd colmap
2、打开终端，预先安装一些前置依赖
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
3、新建build文件夹，并进入build文件夹
mkdir build
cd build
4、使用 cmake 配置时，指明 CUDA 编译器路径和指定GPU 的计算能力架构
sudo cmake .. \-D CMAKE_CUDA_COMPILER="/usr/local/cuda-11.8/bin/nvcc" ../CMakeLists.txt \-D CMAKE_CUDA_ARCHITECTURES='89'
CMAKE_CUDA_COMPILER是本机CUDA的路径，
CMAKE_CUDA_ARCHITECTURES是本机GPU的计算能力，4090显卡对应8.9。
5、退回上一级目录
cd ..
6、 指定并行编译的线程数
sudo make -j24
7、 开始安装
sudo make install
ubuntu22.04安装ImageMagick
进入ImageMagick仓库，如下步骤安装
wget https://imagemagick.org/archive/ImageMagick.tar.gz
tar -xzvf ImageMagick.tar.gz
cd ImageMagick-7.1.1-43
./configure
make
sudo make install
sudo ldconfig /usr/local/lib
convert.py
将自采数据集图片放于 <location>/input，在相应的文件夹中创建原始分辨率的1/2、1/4和1/8的图像。
python convert.py -s <location> [--resize]MyData
|---images
| |---<image 0>
| |---<image 1>
| |---...
|---images_2
| |---<image 0>
| |---<image 1>
| |---...
|---images_4
| |---<image 0>
| |---<image 1>
| |---...
|---images_8
| |---<image 0>
| |---<image 1>
| |---...
|---sparse|---0|---cameras.bin|---images.bin|---points3D.bin
