在Ubuntu的Conda环境中正确安装COLMAP的方法及问题排查

问题背景 #

我想在Ubuntu的Conda环境里用COLMAP处理图像，但不确定正确的安装方法。COLMAP在另一个Conda环境能正常运行，但不清楚环境差异和当前问题原因，需要明确的解决思路或方案。

已尝试的安装方式及问题 #

方式1：通过sudo apt install colmap安装 #

基础功能正常，但运行目标代码时出现特征匹配失败，报错信息如下：

Exhaustive feature matching
==============================================================================

Shader not supported by your hardware!
ERROR: SiftGPU not fully supported
ERROR: SiftGPU not fully supported
==== running: mkdir colmap_sparse
==== running: colmap mapper --database_path colmap.db --image_path "images" --output_path colmap_sparse

==============================================================================
Loading database
==============================================================================

Loading cameras... 1 in 0.000s
Loading matches... 0 in 0.000s
Loading images... 10 in 0.000s (connected 0)
Building correspondence graph... in 0.000s (ignored 0)

Elapsed time: 0.000 [minutes]

WARNING: No images with matches found in the database.

问题根源：apt安装的预编译版本默认启用SiftGPU，但你的RTX A2000不支持对应的Shader，导致特征提取/匹配步骤完全失败，数据库里没有生成任何匹配数据。

方式2：遵循官方源码编译指南安装 #

执行cmake ..时失败，指定gcc/g++版本（CC=/usr/bin/gcc-8 CXX=/usr/bin/g++-9 cmake ..）也无效，出现CUDA相关错误：

CMake Error at cmake/CMakeHelper.cmake:121 (add_library):
  Target "colmap" links to target "CUDA::cudart" but the target was not
  found.  Perhaps a find_package() call is missing for an IMPORTED target, or
  an ALIAS target is missing?
Call Stack (most recent call first):
  src/CMakeLists.txt:65 (COLMAP_ADD_STATIC_LIBRARY)

问题根源：Conda环境干扰了系统CUDA的路径检测——base环境的CUDA能正常使用，但当前Conda环境的环境变量覆盖了系统CUDA路径，导致CMake找不到CUDA库。

解决思路与方案 #

针对apt安装版本的临时修复 #

如果不想编译源码，可以强制COLMAP使用CPU版本的SIFT特征提取，避开SiftGPU的兼容性问题：

• 特征提取命令添加参数--SiftExtraction.use_gpu 0
• 特征匹配命令添加参数--SiftMatching.use_gpu 0

示例完整命令：

colmap feature_extractor --database_path colmap.db --image_path images --SiftExtraction.use_gpu 0
colmap exhaustive_matcher --database_path colmap.db --SiftMatching.use_gpu 0
colmap mapper --database_path colmap.db --image_path images --output_path colmap_sparse

注：这种方法性能会低于GPU版本，适合临时测试场景。

源码编译的正确步骤（解决CUDA链接问题） #

1. 退出当前Conda环境：执行conda deactivate，确保编译时使用系统原生环境变量，避免Conda干扰CUDA检测。
2. 确认并设置系统CUDA路径：
   执行which nvcc，确保输出为/usr/local/cuda-11.8/bin/nvcc，如果不是，手动配置环境变量：

   export PATH=/usr/local/cuda-11.8/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
   

3. 安装完整编译依赖：

   sudo apt install git cmake build-essential libboost-program-options-dev libboost-filesystem-dev libboost-graph-dev libboost-system-dev libboost-test-dev libeigen3-dev libsuitesparse-dev libfreeimage-dev libmetis-dev libgoogle-glog-dev libgflags-dev libsqlite3-dev
   

4. 克隆源码并编译：

   git clone https://github.com/colmap/colmap.git
   cd colmap
   mkdir build && cd build
   # 明确指定系统CUDA编译器路径，避免CMake找错
   cmake .. -DCMAKE_CUDA_COMPILER=/usr/local/cuda-11.8/bin/nvcc
   make -j$(nproc)
   sudo make install
   

5. 在Conda环境中使用编译好的COLMAP：编译完成后，回到目标Conda环境直接运行colmap即可——编译好的二进制文件会安装到系统路径，Conda环境默认可以访问系统路径。

复用正常运行的Conda环境 #

如果不想重新编译，可以直接克隆那个能正常运行COLMAP的环境：

conda create --name new_colmap_env --clone old_working_env

之后在新环境中验证COLMAP功能即可。

关键注意事项 #

• Linux下apt安装的预编译COLMAP并非完全不能用，只是部分GPU特性可能和硬件不兼容，切换到CPU模式即可规避。
• 源码编译时必须退出Conda环境，确保CMake使用系统原生的CUDA和编译器。
• RTX A2000完全支持CUDA 11.8，编译时指定对应版本的CUDA编译器即可正常适配。

内容的提问来源于stack exchange，提问作者Baker Herrin