最近在做Gaussian相关的工作，虽然有init-free的Init方法，但总归绕不开MFS的集大成者——Colmap。colmap作为传统reconstruction的集大成者，已经能做到很好的点云生成。官方提供windows的GUI版本，以及预编译colmap的docker容器，但支持gpu加速的只有cuda12.9的版本。linux上建议使用docker部署编译。官方给的docker脚手架是针对ubuntu+cuda12.9的，实验室的4090只支持到12.2的cuda，而且还是centOS，几番折腾后投降。

查阅了一些资料后，发现是可以通过docker在centos上运行ubuntu容器的于是我希望能够在cenos上安装一个ubuntu容器，支持cuda12.2，这个有官方的镜像支持，在此容器中，从源码编译带12.9cuda支持的colmap

在Centos上跑ubuntu22.04+cuda12.2的docker容器

听上去有点反直觉，在CentOS上还能运行Ubuntu的系统，但这正是docker的精髓之处：用户态和系统态分离。

首先验证本机的nvidia-toolkit支持：

nvidia-smi
记下cuda版本，这是宿主机器最高支持的cuda版本。

在docker image中

确实存在12.2，且版本是22.04的镜像。

在宿主机器中运行

docker run -d –name colmapfix –gpus all –ipc=host –restart unless-stopped
  -e NVIDIA_VISIBLE_DEVICES=all
  -e LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu
  -v colmapfix-home:/root -v colmapfix-ws:/workspace
  nvidia/cuda:12.2.0-runtime-ubuntu22.04 
按照你的需要调整 -v 绑定的docker工作区

在容器中运行

nvidia-smi

能看到宿主的gpu。

编译colmap

之后按照colmap官方指南编译，注意一些修改：https://colmap.github.io/install.html#build-from-source

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

apt-get install
git
cmake
ninja-build
build-essential
libboost-program-options-dev
libboost-graph-dev
libboost-system-dev
libeigen3-dev
libfreeimage-dev
libmetis-dev
libgoogle-glog-dev
libgtest-dev
libgmock-dev
libsqlite3-dev
libglew-dev
qtbase5-dev
libqt5opengl5-dev
libcgal-dev
libceres-dev
libcurl4-openssl-dev
libmkl-full-dev
注意在容器中不用使用sudo

我们的容器已经有cuda的支持了，所以官方这一步不要运行，否则会破坏我们的环境

准备好代码库

git clone https://github.com/colmap/colmap.git
cd colmap
mkdir build
cd build
检查当前使用的nvcc编译器路径：

which nvcc

明确的指定Cuda计算架构。自行百度自己显卡的架构，这里是4090，架构为89

指定nvcc编译器路径

由于在服务器上做数据处理，不需要gui，设置gui为off

cmake .. -GNinja   -DBLA_VENDOR=Intel10_64lp   -DCMAKE_CUDA_ARCHITECTURES=89   -DCMAKE_CUDA_COMPILER=/usr/local/cuda/bin/nvcc
-DGUI_ENABLED=OFF
看看是否运行成功

colmap -h

如果遇到缺少qt5相关的动态依赖，请参考

WSL安装ROS2报错：libQt5Core.so.5: cannot open shared object file：

https://blog.csdn.net/weixin_40837318/article/details/119305270

Enjoy it!!