一、环境部署
1、Visual Studio 2019 安装
Visual Studio 2019 预览版发行说明 | Microsoft Docs
从上述链接下载Community 2019版并安装，界面如下
选择C++选项，右侧复选框默认，点击安装。安装完成后重启系统。
2、CUDA-Toolkit 安装
输入cmd打开命令行，输入下述命令：
nvcc --version若报错，则未安装CUDA-Toolkit，进行如下步骤。
在命令行中输入：
nvidia-smi返回下列表格：
右上角的CUDA Version：11.6表示GPU支持的最高CUDA版本为11.6。（若没有返回这个表格，可能是因为为安装显卡驱动，则需先安装显卡驱动）
下面进入链接进行CUDA-Toolkit下载：CUDA Toolkit Archive | NVIDIA Developer
文件大小大概是2.5G左右，耐心等待即可
。
按照官方的步骤，下载完成后，双击这个可执行文件，然后跟着步骤来就好了。
点击OK
同意并继续
这里选择精简的话，将会覆盖你原来的驱动。如果你不想这样，请选择自定义。
继续安装，等待安装完成。安装完成后需要添加环境变量到你的Path
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp
重启系统之后，打开命令行输入nvcc --verison ，返回如下：
恭喜你，CUDA安装成功。
下面检验CUDA是否可以正常使用：
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite输入deviceQuery.exe，返回如下：
输入bandwidthTest.exe，返回如下：
则CUDA检验通过！
至此，CUDA-Toolkit安装完成！
3、OpenEXR 安装
https://www.lfd.uci.edu/~gohlke/pythonlibs/#openexr
进入链接下载
下载后，先放着，后续我们pip时会用到。
4、Anaconda 安装
去官网下载：Anaconda | Anaconda Distribution
下载windows版本！！！
下载完成后打开安装程序
此处选择Just Me，Next
尽量装在C盘（若在ubuntu系统进行安装，不要安装在root下，建议安装在home下），以避免一些不必要的错误！
这里第一个选项是指将安装路径自动添加到环境变量中（不推荐）
我选择第二个选择，后续手动进行环境变量的添加即可。
Install
Finish！！
下面开始进行anaconda环境变量的配置：
搜索环境变量
点击环境变量：
双击Path：
将下列路径添加到环境变量（具体路径自己去查）：
C:\Anaconda
C:\Anaconda\Scripts
C:\Anaconda\Library\mingw-w64\bin
C:\Anaconda\Library\bin
添加完之后，打开命令行输入conda，返回如下信息：
Anaconda安装完成！！！
5、OptiX 安装
前往官网下载：NVIDIA OptiX™ 光线追踪引擎 | NVIDIA Developer
选择Windows进行下载，instant-ngp要求OptiX版本必须在7.3及以上，这里选择7.5版本。
点击下载后，会要求注册会员，按照步骤加入即可。
下载完成后，按安装向导指引进行安装。
安装完成后，我们需要进行环境变量的配置:
6、相关文件复制（将CUDA下的部分文件复制到VS2019下）
copy from：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\visual_studio_integration\MSBuildExtensions
to：C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations
二、Instant-ngp 部署
1、创建文件夹
这里我在C盘下创建一个名为ngp的文件夹,并进入到其中
mkdir ngp
cd ngp2、安装 git
去下面链接下载：Git - Downloading Package
按照安装引导进行安装
将git添加到环境变量中
参考这篇博客：Git安装及环境配置（Windows10）_Agolonely的博客-CSDN博客_git windows安装配置
3、克隆项目（有坑）
git clone --recursive https://github.com/nvlabs/instant-ngp若报错：fatal: unable to access ‘https://github.com/.......‘: OpenSSL SSL_read: Connection was reset
则需要解除ssl验证，使用以下命令：
git config --global http.sslVerify "false"再次进行克隆即可。
若报错：error: RPC failed； curl 56 OpenSSL SSL_read: Connection was reset, errno 10054
则需要修改git的缓存大小为100M，使用以下命令：
git config --global http.postBuffer 100M再次进行克隆即可。、
（公钥和密钥这里不用管，一般往github上上传的时候才需要用）
但是由于某211高校垃圾的网络，上述办法都不能解决问题，后面使用魔法，换源之后，去gitee上也不可以（应该是instant-ngp依赖源太多了）。
最后，找了在香港的师兄帮忙下载后传了过来..........
(晚上蹲坑的时候意外发现 淘宝可以代理下载 1G文件1米)
4、项目编译
使用下列命令检查python版本是否为3.9
python --version若不是3.9，则使用下面命令进行安装：
conda install python=3.9安装完成后，打开VS2019的命令行：
进入instant-ngp文件夹
使用下面命令进行编译：
cmake . -B build
cmake --build build --config RelWithDebInfo -j 16这里就已经编译完成啦
5、虚拟环境的构建
首先，我们需要下载COLMAP
进入链接：Release 3.7 · colmap/colmap · GitHub
滑到最下面，选择下面这个进行下载（windows且已安装CUDA）：
下载完成后，解压instant-ngp根目录下，并重命名为COLMAP
并将其添加到环境变量Path中去：
C:\ngp\instant-ngp\COLMAP
打开Anaconda3命令行
依次使用下列命令建立环境、激活环境，安装所需包：
conda create -n ngp python=3.9
conda activate ngp
pip install -r requirements.txt下载过程中遇到了下载失败的问题（call timeout），重新用管理员身份打开anaconda，再次运行pip即可。
如果pip下载太慢，可以使用国内的镜像源进行加速，例如使用清华镜像源进行加速：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name
进行OpenEXR的下载：
pip install pyexr但是在我的机器上会失败，这时候就要用到之前下载的轮子了。将之前下载的轮子放在instant-ngp根目录下，然后执行命令：
pip install OpenEXR-1.3.2-cp39-cp39-win_amd64.whl安装完成！
6、自定义数据集的构建
我们首先进入instant-ngp的根目录，将图片文件夹放到data文件夹下。如下：
然后运行如下命令（只需要把后面的image path改成自己的就行）：
python scripts/colmap2nerf.py --colmap_matcher exhaustive --run_colmap --aabb_scale 16 --images <image/path>即可在instant-ngp根目录下获得transform.json文件：
然后把文件夹结构改成如下所示：
如果显卡显存不足，可以在transform.json文件中改变aabb_scale的大小，其值越小对显卡的要求越低，但是分辨率会下降，且必须是2的整数次幂（1，2，4，8，16.........）。
然后运行如下命令进行三维重建：
<path_to_your_ngp>\instant-ngp\build\testbed.exe --scene data/<image_set_name>重建结果如下：
但是此次部署采用的数据集是经过背景扣除后的变压器照片，在进行相机定位时，由于缺乏背景信息和变压器的对称性，导致重建出来变压器的一面。
之后单独用COLMAP进行相机的定位，结果如下：
可以看到，相机在定位时，其位姿饶了一圈又返回了。这里用到了增量式SFM的原理，后面会出相关内容的博客。
对于COLMAP的使用也会单独出一篇博客。
