Ubuntu服务器COLMAP编译指南：手把手教你构建GPU加速的三维重建环境（从零开始配置CUDA版本）

一、为什么必须编译CUDA版本？

许多初学者在Ubuntu上通过简单的sudo apt install colmap命令安装COLMAP后，在进行重建时发现无法进行密集重建-1。这是因为官方源中的版本通常是CPU版本，虽然可以进行稀疏重建，但关键的密集重建步骤（如colmap patch_match_stereo）需要GPU并行计算能力。因此，为了获得完整的三维重建体验和效率，编译CUDA版本是必经之路。

二、编译前的环境准备（依赖安装）

在开始编译之前，我们需要搭建一个完整的生态环境。这包括CUDA工具包、必要的系统库以及关键依赖项（如Ceres Solver）。

1. 安装基础系统依赖

打开终端，首先更新系统并安装编译所需的工具和库。这些库涵盖了图像处理、线性代数、图论和GUI支持等-1-8。

sudo apt updatesudo apt install -y \n    git cmake ninja-build build-essential \n    libboost-program-options-dev libboost-graph-dev libboost-system-dev \n    libeigen3-dev libfreeimage-dev libmetis-dev \n    libgoogle-glog-dev libgtest-dev libgmock-dev \n    libsqlite3-dev libglew-dev qtbase5-dev libqt5opengl5-dev \n    libcgal-dev libceres-dev libcurl4-openssl-dev

注意：虽然上面安装了libceres-dev，但系统自带的Ceres Solver通常不支持CUDA，我们后续需要手动重新编译它-5。

2. 安装CUDA Toolkit并配置算力

确保你的服务器已安装NVIDIA驱动，然后安装CUDA Toolkit（本文以CUDA 11.8为例，你可以根据显卡驱动版本选择合适的版本）-8。

# 下载CUDA 11.8 runfilewget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.runsudo sh cuda_11.8.0_520.61.05_linux.run# 配置环境变量echo "export PATH=/usr/local/cuda-11.8/bin:$PATH" >> ~/.bashrcecho "export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH" >> ~/.bashrcsource ~/.bashrc

关键步骤：查看你的显卡计算能力（Compute Capability）。例如RTX 3090对应8.6，RTX 4090对应8.9-8。这个数值在后续编译COLMAP时需要用到。

nvidia-smi --query-gpu=compute_cap --format=csv,noheader

三、核心依赖的手动编译（Ceres Solver与glog）

为了确保Ceres Solver能够调用CUDA加速，我们必须从源码编译，并显式开启CUDA选项-5。

1. 编译支持CUDA的Ceres Solver

# 卸载系统自带的ceres（如果有）sudo apt remove libceres-dev# 克隆指定版本（推荐2.2.0，与COLMAP 3.11兼容）-1git clone https://github.com/ceres-solver/ceres-solver.gitcd ceres-solvergit checkout 2.2.0mkdir build && cd build# 关键：开启CUDA支持cmake .. -DCUDA=ON -DBUILD_TESTING=OFF -DBUILD_EXAMPLES=OFFmake -j$(nproc)sudo make install

2. 编译特定版本的glog

COLMAP对glog版本有要求，为了避免诡异错误，建议编译0.6.0版本-1。

cd ~git clone -b v0.6.0 https://github.com/google/glog.gitcd glog && mkdir build && cd buildcmake .. -DBUILD_TESTING=OFFmake -j$(nproc)sudo make install

四、编译支持CUDA的COLMAP

一切准备就绪，现在进入最关键的步骤。

1. 获取COLMAP源码

为了稳定性，我们选择一个稳定的发布版本，例如3.11.1-1。

cd ~git clone --branch 3.11.1 https://github.com/colmap/colmap.gitcd colmapmkdir build && cd build

2. 配置CMake（算力指定是关键）

在运行cmake命令时，必须通过CMAKE_CUDA_ARCHITECTURES指定你的显卡算力。如果你使用的是RTX 30系（算力8.6），可以这样写。如果不指定，可能会遇到Unsupported gpu architecture的错误-8。

cmake .. -GNinja \n    -DCMAKE_CUDA_ARCHITECTURES="86" \n    -DCMAKE_BUILD_TYPE=Release# 如果你的显卡是RTX 4090（算力8.9），但CUDA 11.8不支持，可以兼容指定为8.6-8# cmake .. -GNinja -DCMAKE_CUDA_ARCHITECTURES="86"

这里使用Ninja代替Make可以大幅提升编译速度-4。

3. 编译与安装

ninjasudo ninja install

五、验证与常见问题排查

安装完成后，验证COLMAP是否能调用GPU。

colmap -h# 查看CUDA是否启用，可以运行一个简单的特征提取命令，观察日志中是否有"Using CUDA device"字样-4

问题1：编译时出现“Unsupported gpu architecture”

原因：CUDA版本不支持你当前的显卡算力，或者算力编号写错。例如在CUDA 11.8上直接指定89（RTX 4090）会报错-8。解决方案是向下兼容，指定为86。

问题2：运行时出现“Can‘t use DENSE_SCHUR with CUDA“

原因：这表明你的Ceres Solver在编译时没有开启CUDA支持，导致COLMAP无法使用GPU进行稠密求解-5。解决方法是回头重新编译Ceres Solver，确保-DCUDA=ON参数被正确添加。

问题3：”Could not connect to display“

如果你在无显示器的服务器上编译，可能会遇到Qt相关的显示错误。这通常不影响COLMAP的命令行使用，但如果需要GUI，可以尝试配置X11转发-1。

总结

至此，你已经成功在Ubuntu服务器上编译了支持CUDA的COLMAP。通过手动编译Ceres Solver和glog并精确指定CUDA架构，我们绕过了绝大多数新手容易踩的坑。现在，你可以利用GPU加速进行高效的三维重建，为后续的3D高斯溅射（3DGS）或NeRF研究提供高质量的数据支持。