Nerf 训练自有数据

1. 拍摄序列图像，放置在文件夹，如duck/images

2. 使用colmap使用COLMAP获取相机位姿

（1）参考官方文档安装colmap；
（2）使用win 可执行程序

（3）点击【File】选择【new project】
点击【New】在duck目录，创建databas
点击【Select】，目录设置为duck/images
点击【Save】

(4) 点击【Processing】 选择【Feature extraction】
设置相机模型为SIMPLE_PINHOLE，点击【Extraction】；

(5) 点击【Processing】 选择【Feature matching】
点击【Run】；

（6）点击【Reconstruction】 选择【Start reconstruction】进行重建；

（6）
点击【File】选择【Export model】，导出模型，请在工作目录下新建/sparse/0/文件夹，模型保存在该目录下

3. 格式转换为llff

使用LLFF脚本对位姿数据进行格式转化；
LLFF格式数据可以将对应图片参数、相机位姿和相机参数简洁有效地存储在一个npy文件中，以方便python读取，且NeRF模型源码拥有直接对LLFF格式数据集进行训练的配置和模块，便于研究者使用。

git clone https://github.com/Fyusion/LLFF.git
conda create -n llff python=3.8
conda activate llff
pip install numpy imageio scikit-image -i  https://pypi.mirrors.ustc.edu.cn/simple

转换命令：

python imgs2poses.py /mnt/d/project/test_code/nerf/NeRF_Data/duck/

打印信息：

Don't need to run COLMAP
Post-colmap
Cameras 5
Images # 14
Points (5259, 3) Visibility (5259, 14)
Depth stats 5.581121967700646 196.77453829936374 15.227148415751047
Done with imgs2poses

转换完成：

4. Nerf 训练配置

1. 将整个工作目录的文件夹（即duck文件夹）上传至nerf代码的/nerf-pytorch/data/nerf_llff_data/目录下；
2. 创建nerf-pytorch/configs/duck.txt

expname = duck_test
basedir = ./logs
datadir = ./data/nerf_llff_data/duck
dataset_type = llff

factor = 8
llffhold = 8

N_rand = 1024
N_samples = 64
N_importance = 64

use_viewdirs = True
raw_noise_std = 1e0

3. 训练

python run_nerf.py --config configs/duck.txt

训练结果保存在nerf-pytorch/logs/duck_test