在伺服器上使用meshroom進行3D重建
本文將介紹如何在有Nvidia GPU的伺服器上使用meshroom進行3D重建，伺服器沒有GUI介面，但可以使用命令列。本教程不需要你有伺服器的root許可權。
參考教程
原教程中的一些檔案需要科學上網才能看到，並且不靈活
環境搭建
你需要一臺有Nvidia顯示卡的伺服器，並且已經配置好了CUDA，一般用於
深度學習
的伺服器即可。
一、下載meshroom
wget -N https：//github。com/alicevision/meshroom/releases/download/v2019。1。0/Meshroom-2019。1。0-linux。tar。gz
tar xzfv Meshroom-2019。1。0-linux。tar。gz
二、下載meshroom提供的圖片
先用官方示例中的圖片進行測試，如果重建成功了說明環境搭建成功了，我已經把圖片準備好了，你們可以從百度網盤進行下載，有三個資料夾，可以先選mini3裡面的圖片進行測試。
三、執行指令碼進行重建
import
os
import
argparse
parser
=
argparse
。
ArgumentParser
（
description
=
‘Meshroom command line script’
）
parser
。
add_argument
（
‘——project’
，
default
=
‘project。mg’
，
type
=
str
，
help
=
‘project name’
）
parser
。
add_argument
（
‘——input’
，
default
=
‘input’
，
type
=
str
，
help
=
‘directory contains all rgb images’
）
parser
。
add_argument
（
‘——output’
，
default
=
‘output’
，
type
=
str
，
help
=
‘directory to save output obj file，mtl file ’
‘and texture file’
）
args
=
parser
。
parse_args
（）
if
not
os
。
path
。
exists
（
args
。
project
）：
if
not
os
。
path
。
exists
（
args
。
output
）：
os
。
makedirs
（
args
。
output
）
os
。
system
（
“/home/lilinye/reconstruct/Meshroom-2019。1。0/meshroom_photogrammetry ”
f
“——input
{args。input}
——output
{args。output}
——save
{args。project}
”
）
os
。
system
（
f
“/home/lilinye/reconstruct/Meshroom-2019。1。0/meshroom_compute
{args。project}
——toNode Publish_1 ——forceStatus”
）
新建一個script。py檔案，將上面的程式碼複製進行，程式碼中的一些需要注意的地方：
/home/lilinye/reconstruct/Meshroom-2019。1。0/ 需要更改為你自己伺服器上Meshroom的路徑
input引數為你需要重建的圖片的目錄
output引數為重建結束後儲存obj檔案、
mtl檔案
和紋理圖片的路徑
在終端輸入下面命令來執行，如果你的伺服器上有多個GPU，請使用CUDA_VISIBLE
_
DEVICES來設定還有視訊記憶體的那個GPU來計算深度。
python script。py ——input=mini3 ——output=output ——project=project。mg
重建的時間根據伺服器的效能而決定，在我使用的Tesla V100 16G視訊記憶體、Intel（R） Xeon（R） Gold 6148 CPU @ 2。40GHz 40核CPU的伺服器上，mini3的重建耗時10分鐘左右，full的重建估計要一天多
四、將重建結果下載回本地進行檢視
重建結果一共有三個檔案，用meshlab開啟texturedMesh。obj來檢視重建結果
