近期各种定会涌现出一种新的基于高斯的方法，备受关注，这里我们也来学习下sota效果的slam用于定位和重建。

1. 资料收集

1. coda link
2. 3D Gaussians
   2.1 Dynamic 3D Gaussians
   2.2 3D Gaussian Splating
3. Baselines
   3.1 Nice-SLAM 详细见link
   3.2 Point-SLAM

2. 环境配置与运行注意问题

由于笔者已经安装好了 nvidia 驱动 ，conda 和 nvcc 基础环境和网络已经配置完成。

这个过程有几个问题需要格外注意：

1. 工程中有个diff-gaussian-rasterization-w-depth.git文件，最好手动下载后将内容拷贝到这个目录下；
2. 数据集最好单独下载，文件太大，和nice-slam很多数据可以公用，直接修改config文件下的basedir变量即可
3. 直接运行 会问你 wandb API_KEY 相关问题，我直接把 configs/tum/splatam.py 文件里的 use_wandb = True 改成了 False 就 OK啦。
4. 运行的时候会训练挺久，至少肯定不实时，耐心等待，我这里。
   训练指令

~/sun/SplaTAM$ python scripts/splatam.py configs/tum/splatam.py

不知道过了多久 ，第二天过来，训练完成。

5. 对于数据集运行结果，可以用

python viz_scripts/final_recon.py configs/iphone/splatam.py

6.可视化，iphone 换成 tum。

3. 在线运行

这里笔者没有运行，参考坐着展示的结果如下：