ubuntu下安装运行colmap

从源码安装

colmap可以在主流的系统windows,mac,linux安装

从github上获取colmap的最新源码

git clone https://github.com/colmap/colmap

安装教程如下

Linux

Recommended dependencies: CUDA.

1. 安装依赖包

$ sudo apt-get install openjdk-8-jdk git python-dev python3-dev python-numpy python3-numpy python-six python3-six build-essential python-pip python3-pip python-virtualenv swig python-wheel python3-wheel libcurl3-dev libcupti-dev

其中openjdk是必须的，不然在之后配置文件的时候会报错。

2. 安装CUDA和cuDNN

这两个是NVIDIA开发的专门用于机器学习的底层计算框架，通过软硬件的加成达到深度学习吊打I卡的神功。
安装的CUDA和cuDNN版本以来所选用的显卡，可以在这里查询。这里我们用的是GeForce 1080ti，所以对应的版本为CUDA8.0(.run版本)（这里下载）和cuDNN6.0(这里下载)。

# 安装cuda
$ wget https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda_8.0.61_375.26_linux-run
$ sudo sh cuda_8.0.61_375.26_linux.run --override --silent --toolkit # 安装的cuda在/usr/local/cuda下面
# 安装cdDNN
$ cd /usr/local/cuda # cuDNN放在这个目录下解压
$ tar -xzvf cudnn-8.0-linux-x64-v6.0.tgz
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

然后将将一下路径加入环境变量：

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

即将上述代码放入~/.bashrc文件保存后source ~/.bashrc

Dependencies from default Ubuntu repositories:

sudo apt-get install 
    cmake 
    build-essential 
    libboost-all-dev 
    libeigen3-dev 
    libsuitesparse-dev 
    libfreeimage-dev 
    libgoogle-glog-dev 
    libgflags-dev 
    libglew-dev 
    qtbase5-dev 
    libqt5opengl5-dev

Install Ceres Solver:

sudo apt-get install libatlas-base-dev libsuitesparse-dev
git clone https://ceres-solver.googlesource.com/ceres-solver
cd ceres-solver
mkdir build
cd build
cmake .. -DBUILD_TESTING=OFF -DBUILD_EXAMPLES=OFF
make
sudo make install

Configure and compile COLMAP:

cd path/to/colmap
mkdir build
cd build
cmake ..
make
sudo make install

Run COLMAP:

colmap -h
colmap gui

运行colmap

数据集下载：

A number of different datasets are available for download at: https://demuc.de/colmap/datasets/