Skip to content

About

OpenMVS 2.3.0 prebuilt for Windows x64 with CUDA sm_120 (Blackwell / RTX 50 series) - no CUDA Toolkit needed, statically linked single-file tools. ?? RTX 50 ?? OpenMVS ?????

Topics

Resources

Stars

1 star

Watchers

0 watching

Forks

Latest commit

 

History

2 Commits

Folders and files

Repository files navigation

OpenMVS 2.3.0 · Windows x64 · CUDA sm_120(Blackwell / RTX 50 系)

面向 NVIDIA Blackwell 架构(计算能力 sm_120,RTX 50 系列)编译的 OpenMVS 预编译分发包。解压即可运行,运行时不依赖 CUDA Toolkit、vcpkg 或编译环境。

最新版本 | 架构验证 | 构建复现 | 错误索引 | 来源与许可


1. 概述

OpenMVS(Open Multi-View Stereo)用于将 COLMAP 输出的稀疏模型与原始影像转换为稠密点云、网格及带纹理模型。上游发布的 Windows CUDA 预编译包面向 Ampere 与 Ada 架构(sm_80 / sm_89)构建,在 Blackwell 架构(sm_120)设备上启动时因缺少对应 GPU 内核而终止。

本仓库提供的二进制在同一代码基线上以 CUDA 13.1 与 vcpkg 构建,编译参数为 CMAKE_CUDA_ARCHITECTURES=120。GPU 内核仅包含 sm_120,库为静态链接,每个命令行工具均以单一可执行文件形式分发。

项目 取值
上游版本 OpenMVS v2.3.0(cdcseacave/openMVS,tag v2.3.0)
构建日期 2026-10-01
CUDA Toolkit 13.1(仅构建期依赖)
目标平台 Windows x64
目标架构 sm_120
链接方式 库静态链接、CRT 动态链接
许可证 AGPL-3.0(与上游一致,详见 NOTICE.md)

2. 与上游预编译包的差异

上游在 v2.4.0 中发布了 Windows CUDA 预编译包 OpenMVS_Windows_x64_CUDA.7z(累计下载 3,473 次)。该包构建时间早于 Blackwell 架构产品上市,未包含 sm_120 内核。对两个分发包执行同一检测脚本,结果如下(检测方法见 VERIFY.md):

检测项 上游 v2.4.0 CUDA 包 本仓库
内嵌 cubin 架构 sm_89 sm_120
PTX 回退目标 .target sm_20 无
在 RTX 50 系列上的执行结果 终止,报 named symbol not found (code 500) 正常完成稠密化
分发形态 73 个文件,含 40 个 DLL,动态链接 9 个可执行文件,静态链接
附带组件 Viewer.exe、Tests.exe、pyOpenMVS.dll 不含,见第 7 节
版本 2.4.0 2.3.0

named symbol not found 的成因如下。CUDA 二进制通过两条路径提供设备代码:其一为针对具体架构编译的 cubin,其二为由驱动程序即时编译的 PTX。上游包的 cubin 面向 sm_89,其 PTX 回退目标为 .target sm_20;自 CUDA 12 起,compute_20 已不在驱动即时编译的支持范围内。两条路径均无法提供可在 sm_120 设备上加载的内核映像,驱动程序因而报告符号缺失。该错误与命令行参数无关,调整任何选项均不改变结果。


3. 部署与验证

3.1 获取与解压

从 Releases 下载 openmvs-2.3.0-sm120-win-x64.zip,解压至不含空格及非 ASCII 字符的目录,例如 D:\app\openmvs\openmvs-sm120。亦可克隆本仓库,可执行文件位于 bin\。

3.2 环境变量配置

以下命令将工具目录追加至当前用户的 Path 变量,不修改系统级配置:

$p = [Environment]::GetEnvironmentVariable('Path','User')
[Environment]::SetEnvironmentVariable('Path', "$p;D:\app\openmvs\openmvs-sm120", 'User')

配置完成后需新开终端会话方可生效。

3.3 运行验证

DensifyPointCloud -h

正常输出以 OpenMVS x64 v2.3.0 起始,随后为参数列表。若出现 named symbol not found 或 no kernel image is available,表明所调用的可执行文件不是本仓库提供的构建,应检查 Path 中是否存在旧版本目录。


4. 系统要求

项目 要求
操作系统 Windows 10 / 11 x64
GPU NVIDIA RTX 50 系列(Blackwell,sm_120)。实测设备为 RTX 5070 Ti Laptop,12 GB 显存
显示驱动 支持 CUDA 13.x 的驱动版本(R580 及以上)。驱动版本过低时报 CUDA driver version is insufficient
运行库 Visual C++ 2015-2022 x64 运行库(vcruntime140 系列)
CUDA Toolkit 非必需
磁盘空间 稠密化阶段的中间文件占用较大,单组 100 张 3200px 影像约需 2 至 3 GB

本分发包仅包含 sm_120 内核,不含 sm_89、sm_90、sm_100 等其它架构。RTX 40 系列及更早设备应使用上游预编译包,或按 BUILD.md 以目标架构重新构建。


5. 仓库结构

openmvs-cuda-sm120/
├─ bin/                      9 个可执行文件与 2 个上游流程脚本
├─ examples/
│  └─ run_pipeline.py        七阶段处理流程示例
├─ tools/
│  ├─ check_cuda_arch.ps1    读取可执行文件内嵌的 CUDA 架构
│  └─ ply_strip.py           PLY 可变长属性剥离工具
├─ source/
│  ├─ port/                  vcpkg 端口定义:portfile 与 8 个补丁
│  └─ triplets/              x64-windows-sm120.cmake,指定 CUDA 架构 120
├─ scripts/                  构建脚本:CUDA 部署、vcpkg 循环安装、测试超时处理
├─ logs/                     构建日志与首次运行日志
├─ VERIFY.md                 架构验证方法
├─ BUILD.md                  构建复现步骤
├─ FAQ.md                    错误信息索引
├─ NOTICE.md                 来源、修改说明与许可义务
└─ CHANGELOG.md

6. 工具说明

可执行文件 功能 典型调用
InterfaceCOLMAP.exe 将 COLMAP 结果转换为 OpenMVS 场景文件 InterfaceCOLMAP -i dense -o scene.mvs --image-folder <绝对路径>
DensifyPointCloud.exe 稠密化:由稀疏点生成稠密点云(GPU 阶段) DensifyPointCloud -i scene.mvs -o scene_dense.mvs --cuda-device 0
ReconstructMesh.exe 由点云重建网格 ReconstructMesh -i scene_dense.mvs -o mesh.mvs
RefineMesh.exe 网格细化 RefineMesh -i mesh.mvs -o mesh_refine.mvs
TextureMesh.exe 纹理映射 TextureMesh -i mesh_refine.mvs -o textured.mvs
TransformScene.exe 场景坐标变换与缩放 TransformScene -i scene.mvs -o out.mvs --scale 0.5
InterfaceMetashape.exe 将 Metashape 工程转换为场景文件 见 -h
InterfaceMVSNet.exe 将 MVSNet 深度图转换为场景文件 见 -h
InterfacePolycam.exe 将 Polycam 导出转换为场景文件 见 -h
MvgMvsPipeline.py 上游提供的流程脚本 python MvgMvsPipeline.py -h
MvgOptimizeSfM.py SfM 位姿优化 python MvgOptimizeSfM.py -h

本构建未启用 viewer 特性,因而不包含 Viewer.exe。模型查看可使用 CloudCompare 或 MeshLab 打开输出的 PLY / OBJ 文件。


7. 处理流程

以下七个阶段为实测通过的完整链路,examples/run_pipeline.py 已将其整合为单条命令。

7.1 COLMAP 阶段

set COLMAP="D:\app\colmap\COLMAP-4.2.0-windows-2022-CUDA-cuDSS-Caspar-GUI\COLMAP.bat"
set IMG=D:\data\my_photos
set BUILD=D:\data\build

:: 阶段 1:特征提取
%COLMAP% feature_extractor --database_path %BUILD%\database.db --image_path %IMG% ^
  --ImageReader.single_camera 1 --ImageReader.camera_model SIMPLE_RADIAL ^
  --SiftExtraction.max_num_features 8192 --FeatureExtraction.max_image_size 3200 ^
  --FeatureExtraction.use_gpu 1 --FeatureExtraction.gpu_index 0

:: 阶段 2:特征匹配
%COLMAP% exhaustive_matcher --database_path %BUILD%\database.db ^
  --FeatureMatching.use_gpu 1 --FeatureMatching.gpu_index 0

:: 阶段 3:稀疏重建(输出目录须预先存在)
mkdir %BUILD%\sparse
%COLMAP% mapper --database_path %BUILD%\database.db --image_path %IMG% --output_path %BUILD%\sparse

:: 阶段 4:去畸变
%COLMAP% image_undistorter --image_path %IMG% --input_path %BUILD%\sparse\0 ^
  --output_path %BUILD%\dense --output_type COLMAP --max_image_size 3200

gpu_index 与 --cuda-device 的取值为 CUDA 设备编号。CUDA 仅枚举 NVIDIA 设备,独立显卡的编号在含核显的系统中仍为 0,与任务管理器显示的编号不一致。

7.2 OpenMVS 阶段

:: 阶段 5:格式转换(--image-folder 须为绝对路径)
InterfaceCOLMAP -i %BUILD%\dense -o %BUILD%\scene.mvs --image-folder %BUILD%\dense\images

:: 阶段 6:稠密化
cd /d %BUILD%
DensifyPointCloud -i scene.mvs -o scene_dense.mvs --cuda-device 0

:: 阶段 7:剥离可变长属性
python tools\ply_strip.py scene_dense.ply scene_dense_clean.ply

最终产物为 scene_dense_clean.ply。

7.3 阶段 7 的作用

OpenMVS 输出的 PLY 为每个顶点附加两个可变长属性 view_indices 与 view_weights,记录该点被哪些视图观测及对应权重。CloudCompare 的 PLY 解析器不支持可变长属性,加载时报告 nothing to load。tools/ply_strip.py 仅保留 x, y, z、red, green, blue 与法向量 nx, ny, nz,固定为 27 字节/顶点:

文件 大小 说明
scene_dense.ply 617,272,238 B 原始输出,含两个可变长属性
scene_dense_clean.ply 268,321,225 B 剥离后,9,937,814 顶点 × 27 B 加文件头

7.4 网格与纹理(可选)

ReconstructMesh -i scene_dense.mvs -o scene_dense_mesh.mvs
RefineMesh      -i scene_dense_mesh.mvs -o scene_dense_mesh_refine.mvs
TextureMesh     -i scene_dense_mesh_refine.mvs -o scene_dense_mesh_refine_texture.mvs

8. 实测数据

测试环境:RTX 5070 Ti Laptop(12 GB)、i7-14650HX、32 GB 内存。

数据集 输入 注册率 重投影误差 稠密点数 剥离后 PLY GPU 耗时
数据集 1 49 张,6048 × 4032(NIKON Z6_3) 49/49 0.918 px 9,937,814 268,321,225 B 约 1 分钟
批量第 1 组 120 帧,1920 × 1920(视频抽帧) 全部注册 未记录 7,960,409 214,931,290 B 约 1 分钟

9. 错误信息索引

错误信息 根因 处理方式
named symbol not found (code 500) 可执行文件不含当前设备架构的 GPU 内核 改用本分发包,并以 cuobjdump 或 tools/check_cuda_arch.ps1 确认架构
no kernel image is available for execution on the device 同上 同上
Invalid CUDA GPU selected (1 vs 1) 使用了任务管理器显示的设备编号 将设备编号统一设为 0
特征提取或稠密化启动后立即退出 显存被其它进程占用 以 nvidia-smi 确认占用情况,释放显存后重试
CloudCompare 报告 nothing to load PLY 含可变长属性 执行 tools/ply_strip.py
output_path is not a directory COLMAP mapper 要求输出目录预先存在 先创建输出目录
影像无法定位或生成双层 dense\dense 目录 --image-folder 使用了相对路径 改为绝对路径

完整列表见 FAQ.md。


10. 已知限制

  1. GPU 内核仅含 sm_120,适用于 RTX 50 系列;其它架构需按 BUILD.md 重新构建。
  2. 仅提供 Windows x64 构建,不含 Linux 与 macOS 版本。
  3. 不含 Viewer.exe,未启用 viewer 特性。
  4. 不含 pyOpenMVS Python 绑定;如需该功能,应以 openmvs[core,cuda,openmp,tools,python] 重新构建。
  5. 版本为 2.3.0。上游 2.4.0 新增 ROI estimation 与新版 Viewer,本构建未在该版本上验证 sm_120 编解码路径。
  6. 库为静态链接、CRT 为动态链接,运行环境需具备 Visual C++ 2015-2022 x64 运行库。
  7. 本分发包为非官方构建,上游不提供技术支持;问题应提交至本仓库。

11. 许可与来源

  • 二进制与构建配置基于 OpenMVS v2.3.0,许可证为 AGPL-3.0,LICENSE 为上游原文。
  • Boost、OpenCV、CGAL、Eigen、VCGLib、OpenEXR 等组件以静态方式链接至可执行文件,因此全部二进制同样受 AGPL-3.0 约束。分发、修改与再发布须提供对应源码。
  • 复现本构建所需的对应源码材料均收录于仓库:source/port/(上游 tag、SHA512、8 个补丁)、source/triplets/x64-windows-sm120.cmake、scripts/ 与 BUILD.md。
  • 上游地址:https://github.com/cdcseacave/openMVS,tag v2.3.0。
  • 详细声明见 NOTICE.md。

English summary

Scope. A Windows x64 build of OpenMVS v2.3.0 compiled with CMAKE_CUDA_ARCHITECTURES=120, providing GPU kernels for the Blackwell architecture (sm_120, RTX 50 series) only. Libraries are linked statically; the CUDA Toolkit is not required at runtime.

Relation to upstream. The upstream OpenMVS_Windows_x64_CUDA.7z for v2.4.0 contains sm_89 cubins and a .target sm_20 PTX fallback. Since CUDA 12, compute_20 is outside the range supported by driver-side JIT, so the package terminates on sm_120 devices with named symbol not found (code 500). The binaries in this repository contain sm_120 cubins; the check is reproducible with tools/check_cuda_arch.ps1 or cuobjdump.

Requirements. Windows 10/11 x64, an RTX 50 series GPU, an NVIDIA driver supporting CUDA 13.x (R580 or later), and the Visual C++ 2015-2022 x64 runtime.

Usage.

DensifyPointCloud -h
InterfaceCOLMAP -i dense -o scene.mvs --image-folder C:\abs\path\dense\images
DensifyPointCloud -i scene.mvs -o scene_dense.mvs --cuda-device 0
python tools\ply_strip.py scene_dense.ply scene_dense_clean.ply

Exclusions. Viewer.exe, the pyOpenMVS bindings, Linux and macOS builds, and kernels for architectures other than sm_120. The packaged version is 2.3.0; upstream latest is 2.4.0.

License. AGPL-3.0, inherited from upstream. Because the binaries are linked statically, each executable is covered by AGPL-3.0. The corresponding source recipe is contained in source/ and BUILD.md.

Status. Unofficial community build; upstream does not provide support for it. Issues should be filed in this repository.

About

OpenMVS 2.3.0 prebuilt for Windows x64 with CUDA sm_120 (Blackwell / RTX 50 series) - no CUDA Toolkit needed, statically linked single-file tools. ?? RTX 50 ?? OpenMVS ?????

Topics

Resources

Stars

1 star

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages