fruitNeRF++安装指南 - 折根妙妙屋

1341 字

4 分钟

fruitNeRF++安装指南

2026-04-21

指南

NeRF

/

指南

/

fruitNeRF++

必要的资源#

文档	说明	链接
fruitNeRF++ Github源码	fruitNeRF++的源码	https://github.com/meyerls/FruitNeRFpp
Nerfstudio官方文档	通用 NeRF 训练/渲染框架的文档	https://docs.nerf.studio/quickstart/installation.html
GroundingDINO Github源码	将DINO与Grounded预训练用于开放集对象检测结合	https://github.com/IDEA-Research/GroundingDINO#install

第一步：安装VC环境#

1. 下载引导程序#

官方地址（只有几百 KB）：

1
https://aka.ms/vs/17/release/vs_buildtools.exe

2. 双击运行，勾选组件#

打开安装器后，在 “工作负荷” 标签页勾选：

必须勾选	说明
使用 C++ 的桌面开发	包含 `cl.exe`（C++ 编译器）、链接器、头文件

然后在 “单个组件” 标签页确认以下两项已自动勾选（如果没勾，手动补上）：

必须勾选	说明
MSVC v143 - VS 2022 C++ x64/x86 生成工具	最新版 C++ 编译器
Windows 11 SDK (10.0.22621.0) 或 Windows 10 SDK	系统 API 头文件和库

nerfstudio 文档提到：如果 MSVC 143 报错（版本 > 17.10），还需要额外安装 MSVC v142（VS 2019 工具集） 。建议两个都勾上，保险。

3. 安装路径#

默认在 C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools，建议别改，后续激活脚本路径固定。

第二步：激活VC环境#

nerfstudio 文档明确要求，每次新开终端都要激活，否则 tiny-cuda-nn 编译找不到编译器

CMD里面敲：

1
"C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build\vcvars64.bat"

找到激活脚本#

默认路径（根据你实际安装版本调整）：

1
# VS 2022 (MSVC 143)
2
C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build\vcvars64.bat
3

4
# 如果装了 VS 2019 工具集 (MSVC 142)
5
C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build\vcvarsall.bat x64 -vcvars_ver=14.29

每次开终端都执行#

1
# CMD 里跑这个（PowerShell 用 cmd /k 前缀）
2
"C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build\vcvars64.bat"

激活成功后，终端会显示类似：

1
**********************************************************************
2
** Visual Studio 2022 Developer Command Prompt v17.x
3
** Copyright (c) 2022 Microsoft Corporation
4
**********************************************************************
5
[vcvarsall.bat] Environment initialized for: 'x64'

验证装好了没#

1
# 1. 检查 cl.exe 是否存在
2
where cl
3
# 应该输出：C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\...\cl.exe
4

5
# 2. 检查版本
6
cl
7
# 应该显示：Microsoft (R) C/C++ Optimizing Compiler Version 19.xx

如果 where cl 找不到，手动把路径加到系统环境变量 Path 里：

1
C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Tools\MSVC\14.38.33130\bin\Hostx64\x64

（版本号 14.38.xxxx 以你实际安装的为准）

第三步：安装Nerfstudio#

切到 conda

1
conda create --name nerfstudio -y python=3.8
2
conda activate nerfstudio
3
python -m pip install --upgrade pip setuptools

装 PyTorch 2.1.2 + CUDA 11.8（nerfstudio 推荐版本）

1
pip install torch==2.1.2+cu118 torchvision==0.16.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118
2
conda install -c "nvidia/label/cuda-11.8.0" cuda-toolkit

装 tiny-cuda-nn（这一步必须在 VC 激活环境下跑！）

1
pip install ninja git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch

升级基础工具

1
pip install --upgrade pip setuptools wheel

装 nerfstudio 1.1.5（FruitNeRF++ 指定版本，不是最新版！）

1
pip install nerfstudio==1.1.5

装 FruitNeRF++ 的其他依赖

1
pip install pyntcloud==0.3.1
2
pip install hdbscan
3
pip install numba
4
pip install hausdorff
5
conda install docutils

第四步：安装FruitNeRF++#

FruitNeRF++ 用来**自动给照片里的果实生成分割掩码（mask）**的，是数据预处理的核心工具。 nerfstudio==1.1.5 装好后，按 FruitNeRF++ README 的顺序继续：

克隆 FruitNeRF++ 仓库

1
git clone https://github.com/meyerls/FruitNeRFpp.git
2
cd FruitNeRFpp

把项目本身装成 Python 包（editable 模式，方便你二次开发改代码）

1
python -m pip install -e .

注册 nerfstudio 的 CLI 命令

1
ns-install-cli

装完验证：

1
ns-train -h

如果输出列表里有 fruit_nerf 或 fruit_nerfpp 之类的子命令，说明本体安装成功。

第五步：安装Grounding-SAM#

问题	答案
是什么	视觉基础模型组合：Grounding DINO（用文本提示检测果实位置）+ SAM（把检测框精细分割成掩码）
干嘛用	你拍了一堆果树照片，它能自动给每张照片生成”果实掩码”，告诉 FruitNeRF++ “这里有个苹果/梨/桃子”
要不要装	强烈建议装。除非你只跑官方提供的合成数据集（已经自带掩码），否则用自己的照片训练时必须靠它生成掩码

论文里说得很清楚：FruitNeRF++ 的训练需要 2D 掩码作为监督信号，而 Grounding-SAM 的优势是零样本（zero-shot）——你不需要人工标注，直接输入水果名字（如 "apple"）就能自动分割。

如果要装 Grounding-SAM#

FruitNeRF++ README 里有详细步骤，核心流程是：从 FruitNeRF++ 根目录进入 segmentation 文件夹

1
cd cf_nerf/segmentation

（或 segmentation，看你下的是 FruitNeRF 还是 FruitNeRF++）

克隆 Grounded-SAM

1
git clone https://github.com/IDEA-Research/Grounded-Segment-Anything.git groundedSAM
2
cd groundedSAM
3
git checkout fe24

fe24 ← FruitNeRF++ 指定兼容版本

设置环境变量（Windows 用 set，Linux 用 export）

1
set AM_I_DOCKER=False
2
set BUILD_WITH_CUDA=True
3
set CUDA_HOME=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

装 Segment Anything

1
python -m pip install -e segment_anything

装 Grounding DINO

1
pip install --no-build-isolation -e GroundingDINO

装其他依赖

1
pip install --upgrade diffusers[torch]
2
pip install opencv-python pycocotools matplotlib onnxruntime onnx ipykernel

下载预训练权重（wget 在 Windows 可以用，或者用浏览器下好拷进来）放在 groundedSAM 文件夹根目录

1
wget https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth
2
wget https://github.com/IDEA-Research/GroundingDINO/releases/download/v0.1.0-alpha/groundingdino_swint_ogc.pth

方案二：curl（Windows 10/11 自带）#

在当前的 CMD 里直接：

1
curl -L -o sam_vit_h_4b8939.pth https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth
2
curl -L -o groundingdino_swint_ogc.pth https://github.com/IDEA-Research/GroundingDINO/releases/download/v0.1.0-alpha/groundingdino_swint_ogc.pth

装 SAM-HQ（高精度版 SAM）

1
pip install segment-anything-hq

⚠️ 注意：README 里写的 export CUDA_HOME=/path/to/cuda-11.3/ 是示例路径，你要改成自己实际的路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 。

Detic 是什么？要装吗？#

Detic 是 Facebook 的开放词汇目标检测器，能检测上万个类别，基于 Detectron2 。

FruitNeRF++ 的 README 里 Detic 是单独一个章节，和 Grounding-SAM 并列。但从论文来看，FruitNeRF++ 的核心分割管线用的是 Grounded-SAM，没有提到 Detic 。

结论：暂时不用装。 Detic 更像是作者预留的备选检测方案（比如 Grounding DINO 对某些水果效果不好时，换 Detic 试试）。如果你后续跑自己的果树数据，发现 Grounding-SAM 漏检严重，再回来装 Detic 也不迟。

安装问题#

subprocess.CalledProcessError: Command ’[‘ninja’, ‘-v’]’ returned non-zero exit status 1#

3090 的 compute capability 就是 86，nerfstudio FAQ 明确说如果 tiny-cuda-nn 没自动编译对应架构，就要手动指定 TCNN_CUDA_ARCHITECTURES 。

先卸载之前失败的残留
```
1
pip uninstall tinycudann -y
```

指定 3090 的 CUDA 架构（86），重新装

1
set TCNN_CUDA_ARCHITECTURES=86
2
pip install ninja git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch

先清掉当前的 14.44 环境，重新用 14.29 激活

1
"C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build\vcvarsall.bat" x64 -vcvars_ver=14.29

UserWarning: It seems that the VC environment is activated but DISTUTILS_USE_SDK is not set. This may lead to multiple activations of the VC env. Please set `DISTUTILS_USE_SDK=1` and try again.#

问题很明确：DISTUTILS_USE_SDK 没设置。 PyTorch 在 Windows 上编译 C++ 扩展时，如果检测到 VC 环境已激活，必须设这个环境变量，否则 distutils 会重复激活导致冲突。

1
:: 1. 设置环境变量（这三条缺一不可）
2
set DISTUTILS_USE_SDK=1
3
set CUDA_HOME=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
4
set AM_I_DOCKER=False

fruitNeRF++安装指南

https://fredsblog-2dc.pages.dev/posts/guide-fruitnerf-build/

作者

Fredzhe

发布于