1 模型训练

这段代码实现了一个 3D 高斯模型的训练循环，旨在通过逐步优化模型参数，使其能够精确地渲染特定场景。以下是代码的详细解析： 

def training(dataset, opt, pipe, testing_iterations, saving_iterations, checkpoint_iterations, checkpoint, debug_from):
    first_iter = 0
    # 初始化高斯模型，用于表示场景中的每个点的3D高斯分布
    gaussians = GaussianModel(dataset.sh_degree)
    # 初始化场景对象，加载数据集和对应的相机参数
    scene = Scene(dataset, gaussians)
    # 为高斯模型参数设置优化器和学习率调度器
    gaussians.training_setup(opt)
    # 如果提供了checkpoint，则从checkpoint加载模型参数并恢复训练进度
    if checkpoint:
        (model_params, first_iter) = torch.load(checkpoint)
        gaussians.restore(model_params, opt)
    # 设置背景颜色，白色或黑色取决于数据集要求
    bg_color = [1, 1, 1] if dataset.white_background else [0, 0, 0]
    background = torch.tensor(bg_color, dtype=torch.float32, device="cuda")

    # 创建CUDA事件用于计时
    iter_start = torch.cuda.Event(enable_timing=True)
    iter_end = torch.cuda.Event(enable_timing=True)

    viewpoint_stack = None
    ema_loss_for_log = 0.0
    # 使用tqdm库创建进度条，追踪训练进度
    progress_bar = tqdm(range(first_iter, opt.iterations), desc="Training progress")
    first_iter += 1
    for iteration in range(first_iter, opt.iterations + 1):
        # 记录迭代开始时间
        iter_start.record()

        # 根据当前迭代次数更新学习率
        gaussians.update_learning_rate(iteration)

        # 每1000次迭代，提升球谐函数的次数以改进模型复杂度
        if iteration % 1000 == 0:
            gaussians.oneupSHdegree()

        # 随机选择一个训练用的相机视角
        if not viewpoint_stack:
            viewpoint_stack = scene.getTrainCameras().copy()
        viewpoint_cam = viewpoint_stack.pop(randint(0, len(viewpoint_stack)-1))

        # 如果达到调试起始点，启用调试模式
        if (iteration - 1) == debug_from:
            pipe.debug = True

        # 根据设置决定是否使用随机背景颜色
        bg = torch.rand((3), device="cuda") if opt.random_background else background

        # 渲染当前视角的图像
        render_pkg = render(viewpoint_cam, gaussians, pipe, bg)
        image, viewspace_point_tensor, visibility_filter, radii = render_pkg["render"], render_pkg["viewspace_points"], render_pkg["visibility_filter"], render_pkg["radii"]

        # 计算渲染图像与真实图像之间的损失
        gt_image = viewpoint_cam.original_image.cuda()
        Ll1 = l1_loss(image, gt_image)
        loss = (1.0 - opt.lambda_dssim) * Ll1 + opt.lambda_dssim * (1.0 - ssim(image, gt_image))
        loss.backward()

        # 记录迭代结束时间
        iter_end.record()

        with torch.no_grad():
            # 更新进度条和损失显示
            ema_loss_for_log = 0.4 * loss.item() + 0.6 * ema_loss_for_log
            if iteration % 10 == 0:
                progress_bar.set_postfix({"Loss": f"{ema_loss_for_log:.{7}f}"})
                progress_bar.update(10)
            if iteration == opt.iterations:
                progress_bar.close()

            # 定期记录训练数据并保存模型
            training_report(tb_writer, iteration, Ll1, loss, l1_loss, iter_start.elapsed_time(iter_end), testing_iterations, scene, render, (pipe, background))
            if iteration in saving_iterations:
                print("\n[ITER {}] Saving Gaussians".format(iteration))
                scene.save(iteration)

            # 在指定迭代区间内，对3D高斯模型进行增密和修剪
            if iteration < opt.densify_until_iter:
                gaussians.max_radii2D[visibility_filter] = torch.max(gaussians.max_radii2D[visibility_filter], radii[visibility_filter])
                gaussians.add_densification_stats(viewspace_point_tensor, visibility_filter)

                if iteration > opt.densify_from_iter and iteration % opt.densification_interval == 0:
                    size_threshold = 20 if iteration > opt.opacity_reset_interval else None
                    gaussians.densify_and_prune(opt.densify_grad_threshold, 0.005, scene.cameras_extent, size_threshold)

                if iteration % opt.opacity_reset_interval == 0 or (dataset.white_background and iteration == opt.densify_from_iter):
                    gaussians.reset_opacity()

            # 执行优化器的一步，并准备下一次迭代
            if iteration < opt.iterations:
                gaussians.optimizer.step()
                gaussians.optimizer.zero_grad(set_to_none=True)

            # 定期保存checkpoint
            if iteration in checkpoint_iterations:
                print("\n[ITER {}] Saving Checkpoint".format(iteration))
                torch.save((gaussians.capture(), iteration), scene.model_path + "/chkpnt" + str(iteration) + ".pth")

函数解析

training(dataset, opt, pipe, testing_iterations, saving_iterations, checkpoint_iterations, checkpoint, debug_from)

该函数的作用是加载数据、设置场景和高斯模型的初始化参数，通过迭代训练模型，调整模型参数，以减小渲染图像与真实图像之间的误差。

• 参数：
  • dataset: 数据集对象，包含图像和相机参数。
  • opt: 配置对象，包含训练过程的超参数，如学习率和迭代次数。
  • pipe: 渲染管道，用于生成渲染图像。
  • testing_iterations: 在这些迭代次数中进行测试。
  • saving_iterations: 在这些迭代次数中保存高斯模型。
  • checkpoint_iterations: 在这些迭代次数中保存 checkpoint。
  • checkpoint: 如果提供了 checkpoint 文件，则从中恢复模型状态。
  • debug_from: 设定调试起始点，达到该迭代后启用调试模式。

 整个函数旨在通过高斯模型增密、学习率调整、定期保存 checkpoint 和渲染优化，训练一个能够表示 3D 场景的高斯模型。

2 数据加载

2.1   Class Scene：

 这段代码定义了 Scene 类，用于管理和加载 3D 场景的参数、模型和相机信息，并支持不同分辨率的相机数据。Scene 类结合了高斯模型和数据集处理逻辑，尤其适用于从 COLMAP 或 Blender 数据集中加载相机和场景信息，以便进行 3D 表示和训练。

class Scene:
    """
    Scene 类用于管理场景的3D模型，包括相机参数、点云数据和高斯模型的初始化和加载
    """

    def __init__(self, args: ModelParams, gaussians: GaussianModel, load_iteration=None, shuffle=True, resolution_scales=[1.0]):
        """
        初始化场景对象
        
        :param args: 包含模型路径和源路径等模型参数
        :param gaussians: 高斯模型对象，用于场景点的3D表示
        :param load_iteration: 指定加载模型的迭代次数，如果为-1，则自动寻找最大迭代次数
        :param shuffle: 是否在训练前打乱相机列表
        :param resolution_scales: 分辨率比例列表，用于处理不同分辨率的相机
        """
        self.model_path = args.model_path  # 模型文件保存路径
        self.loaded_iter = None  # 已加载的迭代次数
        self.gaussians = gaussians  # 高斯模型对象

        # 检查并加载已有的训练模型
        if load_iteration:
            if load_iteration == -1:
                self.loaded_iter = searchForMaxIteration(os.path.join(self.model_path, "point_cloud"))
            else:
                self.loaded_iter = load_iteration
            print(f"Loading trained model at iteration {self.loaded_iter}")

        self.train_cameras = {}  # 用于训练的相机参数
        self.test_cameras = {}  # 用于测试的相机参数

        # 根据数据集类型（COLMAP或Blender）加载场景信息
        if os.path.exists(os.path.join(args.source_path, "sparse")):
            scene_info = sceneLoadTypeCallbacks["Colmap"](args.source_path, args.images, args.eval)
        elif os.path.exists(os.path.join(args.source_path, "transforms_train.json")):
            print("Found transforms_train.json file, assuming Blender data set!")
            scene_info = sceneLoadTypeCallbacks["Blender"](args.source_path, args.white_background, args.eval)
        else:
            assert False, "Could not recognize scene type!"

        # 如果是初次训练，初始化3D高斯模型；否则，加载已有模型
        if self.loaded_iter:
            self.gaussians.load_ply(os.path.join(self.model_path, "point_cloud", "iteration_" + str(self.loaded_iter), "point_cloud.ply"))
        else:
            self.gaussians.create_from_pcd(scene_info.point_cloud, self.cameras_extent)

        # 根据resolution_scales加载不同分辨率的训练和测试位姿
        for resolution_scale in resolution_scales:
            print("Loading Training Cameras")
            self.train_cameras[resolution_scale] = cameraList_from_camInfos(scene_info.train_cameras, resolution_scale, args)
            print("Loading Test Cameras")
            self.test_cameras[resolution_scale] = cameraList_from_camInfos(scene_info.test_cameras, resolution_scale, args)

    def save(self, iteration):
        """
        保存当前迭代下的3D高斯模型点云。
        
        :param iteration: 当前的迭代次数。
        """
        point_cloud_path = os.path.join(self.model_path, f"point_cloud/iteration_{iteration}")
        self.gaussians.save_ply(os.path.join(point_cloud_path, "point_cloud.ply"))

    def getTrainCameras(self, scale=1.0):
        """
        获取指定分辨率比例的训练相机列表
        
        :param scale: 分辨率比例
        :return: 指定分辨率比例的训练相机列表
        """
        return self.train_cameras[scale]
    
sceneLoadTypeCallbacks = {
    "Colmap": readColmapSceneInfo,
    "Blender" : readNerfSyntheticInfo
}

类属性和方法解析

1. __init__(self, args: ModelParams, gaussians: GaussianModel, load_iteration=None, shuffle=True, resolution_scales=[1.0])

构造函数 __init__ 用于初始化 Scene 对象，加载数据集和初始化 3D 高斯模型，并为训练和测试分辨率管理相机参数。

• 参数：

  • args：包含模型路径和源路径等配置参数。
  • gaussians：高斯模型对象，用于管理场景中的 3D 高斯分布。
  • load_iteration：指定加载的迭代次数，若为 -1，自动搜索最后保存的模型。
  • shuffle：是否对相机列表进行随机排序。
  • resolution_scales：用于管理不同分辨率下的相机数据。

• 主要步骤：

  1. 加载已有模型：如果 load_iteration 不为 None，加载指定迭代次数的模型；若 load_iteration == -1，加载最新迭代的模型。
  2. 场景信息加载：通过回调函数 sceneLoadTypeCallbacks，从 COLMAP 或 Blender 数据集中加载场景信息。
  3. 初始化高斯模型：如果没有加载已有的模型，调用 create_from_pcd 方法，使用从数据集中加载的点云初始化高斯模型。
  4. 分辨率管理：根据 resolution_scales 参数加载不同分辨率的训练和测试相机列表，分别存储在 self.train_cameras 和 self.test_cameras 字典中。

2. save(self, iteration)

该方法用于在指定的 iteration 下保存当前 3D 高斯模型的点云数据。

• 参数：

  • iteration：当前的迭代次数。

• 实现：

  • 根据 iteration 创建路径，并调用 self.gaussians.save_ply 保存点云数据。

3. getTrainCameras(self, scale=1.0)

该方法用于获取指定分辨率比例的训练相机列表。

• 参数：

  • scale：分辨率比例（默认为 1.0），用来返回该分辨率对应的训练相机列表。

• 返回值：

  • 以 scale 为键从 self.train_cameras 中获取对应的相机列表。

4. sceneLoadTypeCallbacks

sceneLoadTypeCallbacks 是一个字典，用于匹配和回调不同数据集的加载函数：

• 如果数据集是 COLMAP 类型，调用 readColmapSceneInfo。
• 如果是 Blender 数据集，调用 readNerfSyntheticInfo。

示例流程

1. 初始化：

   • Scene 类根据数据集路径自动检测数据类型，并调用合适的回调函数加载相机和场景信息。

2. 分辨率和相机管理：

   • 支持不同分辨率的训练和测试相机列表。用户可以通过 getTrainCameras(scale) 获取指定分辨率下的训练相机。

3. 保存：

   • 在指定的迭代次数 iteration 下，调用 save() 将 3D 高斯模型点云数据保存为 .ply 文件。

代码优点

• 模块化和扩展性：支持多种数据集格式，并允许通过回调函数轻松扩展至其他格式。
• 分辨率管理：灵活加载和管理不同分辨率的相机列表，以便在训练和测试中使用不同精度的相机数据

 

2.2  readColmapSceneInfo 和 readColmapCameras

这段代码提供了两个主要函数 readColmapSceneInfo 和 readColmapCameras，用于读取和处理 COLMAP 生成的相机参数和场景信息，并将其格式化为易于使用的数据结构。这些函数为后续 3D 重建和 NeRF 训练准备相机参数、点云数据及其他场景归一化信息。

def readColmapSceneInfo(path, images, eval, llffhold=8):
    # 尝试读取COLMAP处理结果中的二进制相机外参和内参文件
    try:
        cameras_extrinsic_file = os.path.join(path, "sparse/0", "images.bin")
        cameras_intrinsic_file = os.path.join(path, "sparse/0", "cameras.bin")
        cam_extrinsics = read_extrinsics_binary(cameras_extrinsic_file)
        cam_intrinsics = read_intrinsics_binary(cameras_intrinsic_file)
    except:
        # 如果二进制文件读取失败，尝试读取文本格式的相机外参和内参文件
        cameras_extrinsic_file = os.path.join(path, "sparse/0", "images.txt")
        cameras_intrinsic_file = os.path.join(path, "sparse/0", "cameras.txt")
        cam_extrinsics = read_extrinsics_text(cameras_extrinsic_file)
        cam_intrinsics = read_intrinsics_text(cameras_intrinsic_file)

    # 定义存放图片的目录，如果未指定则默认为"images"
    reading_dir = "images" if images is None else images
    # 读取并处理相机参数，转换为内部使用的格式
    cam_infos_unsorted = readColmapCameras(cam_extrinsics=cam_extrinsics, cam_intrinsics=cam_intrinsics, images_folder=os.path.join(path, reading_dir))
    # 根据图片名称对相机信息进行排序，以保证顺序一致性
    cam_infos = sorted(cam_infos_unsorted.copy(), key=lambda x: x.image_name)

    # 根据是否为评估模式（eval），将相机分为训练集和测试集
    # 如果为评估模式，根据llffhold参数（通常用于LLFF数据集）间隔选择测试相机
    if eval:
        train_cam_infos = [c for idx, c in enumerate(cam_infos) if idx % llffhold != 0]
        test_cam_infos = [c for idx, c in enumerate(cam_infos) if idx % llffhold == 0]
    else:
        # 如果不是评估模式，所有相机均为训练相机，测试相机列表为空
        train_cam_infos = cam_infos
        test_cam_infos = []

    # 计算场景归一化参数，这是为了处理不同尺寸和位置的场景，使模型训练更稳定
    nerf_normalization = getNerfppNorm(train_cam_infos)

    # 尝试读取点云数据，优先从PLY文件读取，如果不存在，则尝试从BIN或TXT文件转换并保存为PLY格式
    ply_path = os.path.join(path, "sparse/0/points3D.ply")
    bin_path = os.path.join(path, "sparse/0/points3D.bin")
    txt_path = os.path.join(path, "sparse/0/points3D.txt")
    if not os.path.exists(ply_path):
        print("Converting point3d.bin to .ply, will happen only the first time you open the scene.")
        try:
            xyz, rgb, _ = read_points3D_binary(bin_path)
        except:
            xyz, rgb, _ = read_points3D_text(txt_path)
        storePly(ply_path, xyz, rgb)
    try:
        pcd = fetchPly(ply_path)
    except:
        pcd = None

    # 组装场景信息，包括点云、训练用相机、测试用相机、场景归一化参数和点云文件路径
    scene_info = SceneInfo(point_cloud=pcd,
                           train_cameras=train_cam_infos,
                           test_cameras=test_cam_infos,
                           nerf_normalization=nerf_normalization,
                           ply_path=ply_path)
    return scene_info

def readColmapCameras(cam_extrinsics, cam_intrinsics, images_folder):
    cam_infos = []  # 初始化用于存储相机信息的列表

    # 遍历所有相机的外参
    for idx, key in enumerate(cam_extrinsics):
        # 动态显示读取相机信息的进度
        sys.stdout.write('\r')
        sys.stdout.write("Reading camera {}/{}".format(idx+1, len(cam_extrinsics)))
        sys.stdout.flush()

        # 获取当前相机的外参和内参
        extr = cam_extrinsics[key]  # 当前相机的外参
        intr = cam_intrinsics[extr.camera_id]  # 根据外参中的camera_id找到对应的内参
        height = intr.height  # 相机图片的高度
        width = intr.width  # 相机图片的宽度

        uid = intr.id  # 相机的唯一标识符
        # 将四元数表示的旋转转换为旋转矩阵R
        R = np.transpose(qvec2rotmat(extr.qvec))
        # 外参中的平移向量
        T = np.array(extr.tvec)

        # 根据相机内参模型计算视场角（FoV）
        if intr.model == "SIMPLE_PINHOLE":
            # 如果是简单针孔模型，只有一个焦距参数
            focal_length_x = intr.params[0]
            FovY = focal2fov(focal_length_x, height)  # 计算垂直方向的视场角
            FovX = focal2fov(focal_length_x, width)  # 计算水平方向的视场角
        elif intr.model == "PINHOLE":
            # 如果是针孔模型，有两个焦距参数
            focal_length_x = intr.params[0]
            focal_length_y = intr.params[1]
            FovY = focal2fov(focal_length_y, height)  # 使用y方向的焦距计算垂直视场角
            FovX = focal2fov(focal_length_x, width)  # 使用x方向的焦距计算水平视场角
        else:
            # 如果不是以上两种模型，抛出错误
            assert False, "Colmap camera model not handled: only undistorted datasets (PINHOLE or SIMPLE_PINHOLE cameras) supported!"

        # 构建图片的完整路径
        image_path = os.path.join(images_folder, os.path.basename(extr.name))
        image_name = os.path.basename(image_path).split(".")[0]  # 提取图片名称，不包含扩展名
        # 使用PIL库打开图片文件
        image = Image.open(image_path)

        # 创建并存储相机信息
        cam_info = CameraInfo(uid=uid, R=R, T=T, FovY=FovY, FovX=FovX, image=image,
                              image_path=image_path, image_name=image_name, width=width, height=height)
        cam_infos.append(cam_info)
    
    # 在读取完所有相机信息后换行
    sys.stdout.write('\n')
    # 返回整理好的相机信息列表
    return cam_infos

函数解析

1. readColmapSceneInfo(path, images, eval, llffhold=8)

该函数负责读取和解析 COLMAP 数据集的场景信息，包括相机参数、点云和归一化参数等。主要步骤如下：

• 相机参数文件读取：

  • 首先尝试读取二进制格式的相机外参 (images.bin) 和内参 (cameras.bin) 文件，若读取失败则尝试加载文本格式的文件（images.txt 和 cameras.txt）。
  • 外参和内参分别通过 read_extrinsics_binary 和 read_intrinsics_binary 等函数加载。

• 相机信息解析：

  • 调用 readColmapCameras 函数解析外参和内参文件中的相机数据，并返回相机列表 cam_infos。

• 训练和测试集划分：

  • 根据 eval 参数决定是否将数据集划分为训练集和测试集。
  • 如果为评估模式 (eval=True)，会根据 llffhold 参数（通常用于 LLFF 数据集）进行间隔划分，得到 train_cam_infos 和 test_cam_infos。

• 场景归一化参数计算：

  • 调用 getNerfppNorm 函数，对训练集中的相机位姿进行归一化，确保不同场景的尺度和位置对齐，以便更稳定的训练。

• 点云文件读取与转换：

  • 点云文件优先从 points3D.ply 文件中读取；若不存在则尝试从二进制或文本格式的 points3D 文件中读取，并转换为 .ply 文件存储。
  • 最终通过 fetchPly 函数读取 .ply 格式的点云数据。

• 返回值：

  • 将 SceneInfo 对象返回，其中包含点云数据、训练相机、测试相机、归一化参数和点云文件路径。

2. readColmapCameras(cam_extrinsics, cam_intrinsics, images_folder)

该函数用于将 cam_extrinsics 和 cam_intrinsics 中的相机数据解析成 CameraInfo 对象的列表，并处理每个相机的旋转、平移、视场角等信息。

• 主要步骤：

  1. 迭代解析相机外参：遍历 cam_extrinsics 字典中的每个相机，获取旋转矩阵 R 和平移向量 T。
  2. 视场角计算：根据相机模型（SIMPLE_PINHOLE 或 PINHOLE）计算垂直和水平方向的视场角。
  3. 图像路径与信息：结合图像文件夹路径 images_folder，生成图像路径和图像名称，并打开图像文件。
  4. 创建并存储相机信息：将解析到的相机信息存储在 CameraInfo 对象中，并添加到 cam_infos 列表。

• 返回值：

  • 返回 cam_infos，包含所有解析过的相机信息列表。

代码优点

• 自动文件读取和兼容性：自动适配二进制和文本格式的文件读取，使得代码更加兼容不同格式的 COLMAP 输出。
• 训练/测试集划分灵活：支持按一定间隔划分训练和测试集，适合用于评估模式的数据集处理。
• 相机视场角处理：根据相机模型选择不同的视场角计算方式，适应多种相机模型。

代码潜在改进

• 异常处理：在图像加载和文件读取时增加更多异常处理，以应对图像丢失或格式不匹配的情况。
• 多线程优化：如果相机数量较多，可使用多线程或并行处理以加快相机参数的读取速度。