Ubuntu22.04结合fast_livo2进行3DGS三维重建

原创已于 2025-10-31 14:33:37 修改 · 1.1k 阅读

40 ·

CC 4.0 BY-SA版权

文章标签：

#linux #服务器 #3DGS #ubuntu22.04 #fast_livo #ros2

于 2025-10-29 19:44:46 首次发布

环境：

Ubuntu22.04 ROS2

3DGS和Fast_livo2的构建以及复现具体看前两篇文章

ubuntu22.04复现3DGS，包含双系统、cuda、conda、colmap的安装

Ubuntu22.04及ROS2复现Fast_livo2，包含ROS2的安装、cmake的版本选择等等

一、对fast_livo2进行修改

1、修改avia.yaml文件

在 /fast_ws/src/fast_livo/config 里找到 avia.yaml 文件，找到下面内容把 false 改成 true ，后续在运行launch文件时会自动保存点云文件到 fast_livo/log 文件夹里

进入 /fast_ws/src/fast_livo/Log文件夹里，若无PCD或者Colmap文件夹，需要提前创建，进入Colmap，检查是否有 images 和 sparse 文件夹，若无需要提前创建，否则运行launch文件时无法同步保存图片与点云信息

2、修改launch文件

找到 mapping_avia.launch.py 这个文件，首先launch文件里找到#play ros2 bag部分，修改成如下样式：（把原来的"-l"去掉不让循环播放，播完一次包就自动暂停）

可选项：（不一定要改，不影响主体程序，但改之后运行launch文件会后更方便和直观）

（1）将 default_value="False" 改成 "True" ，这样在执行launch文件会自动打开rviz，无需在后面加上 use_rviz:=True

（2）同时，在 /fast_ws/src/fast_livo/rviz_cfg 文件夹中找到 fast_livo2.rviz 文件，找到 Image 的话题订阅，将 Value 改为 /left_camera/image ，使其在自动打开rviz时就能接收到图像数据，在rviz的左下方就能同步看到画面

对fast_livo功能包重新编译，运行launch文件输出点云数据并保存图片，进入 /fast_ws/src/fast_livo/Log 文件夹内检查各文件，均有输出即为成功

source fast_ws/install/setup.bash
cd ~/fast_ws
colcon build --packages-select fast_livo --symlink-install
ros2 launch fast_livo mapping_avia.launch.py

3、雷区！！所踩的坑

由于一开始并未在 /fast_ws/src/fast_livo/Log/Clomap 中创建 images 文件夹，导致在运行launch文件时并不会同步保存图像，launch文件完成后 /Colmap 下只有 /sparse 一个文件夹，于是本人便在launch文件中添加节点用于保存图像，同时打开 sparse 文件里的 image.txt 文件，查看图片编号，删掉图像文件夹里面的多余图片，使图片能和 image.txt 文件里的编号一一对应。

这样做貌似没啥问题，图片也能正常保存，/sparse 文件夹的点云数据也能正常获取，但其实问题很大，点云数据与照片的保存并非同步，导致后续训练高斯点云出来的画面极差！找了很久的原因，最后发现就是这个问题，这种新建节点保存图像的方式并不可取，对比同一编号的照片，左边是通过新建节点保存的，右边是通过创建images文件夹同步保存的，明显发现两者视角上存在差异，点云与图像是并不匹配的

二、利用3DGS进行三维重建

首先将 /fast_ws/src/fast_livo/Log/Clomap 下的 images 和 sparse 文件夹拷贝到 /gaussian-splatting/data/RS/ 下，接着可以开始训练进行重建

#激活虚拟环境
conda activate gs
cd ~/gaussian-splatting/
python train.py -s data/RS -m data/RS/output   #优化生成高斯点云
./SIBR_viewers/install/bin/SIBR_gaussianViewer_app -m ~/gaussian-splatting/data/RS/output/

若是在运行 train.py 阶段提示显存不足，也可以通过降低图片分辨率的方式进行训练，不过最终呈现的效果也会打折扣

# --resolution 2 表示分辨率降为原来的1/2, --resolution 3 则表示降为原来的1/3,以此类推
python train.py -s data/Chomper -m data/RS/output --resolution 2

最终输出效果：

最后还可以通过 render.py 输出渲染图片，并用ffmpeg工具拼接成视频，最终可以得到原视频经过3DGS后的重建效果

python render.py -s data/Chomper -m data/RS/output
cd data/RS/output/train/ours_30000/renders
ffmpeg -framerate 30 -i %05d.png -vf "pad=ceil(iw/2)*2:ceil(ih/2)*2" -c:v libx264 -pix_fmt yuv420p output.mp4