- 可以采用作者提供的Docker或者Pixi，不过此处采用conda配置：
git clone --recursive https://github.com/R-C-Group/Splat-LOAM.git
# rm -rf .git
conda env create -f environment.yaml # for A100 with CUDA12.2/12.1
# # conda remove --name Splat-LOAM --all
conda activate Splat-LOAM
# bash post_install.sh
# 安装第一个模块
pip install ./submodules/diff-surfel-spherical-rasterization/
# 安装第二个模块
pip install ./submodules/gsaligner/
# 安装第三个模块
pip install ./submodules/simple-knn/configs文件中含有运行所需要的配置- 运行代码（注意要修改数据的路径,同时下载kitti数据）
python3 run.py slam <path/to/config.yaml>
conda activate Splat-LOAM
python3 run.py slam configs/kitti/kitti-00-odom.yaml- 注意，上述需要在
sequences/00内还要有times.txt文件，故此需要下载图像帧 - 下面是成功运行的截图：
Tip
If you want to solve Mapping-only, provide a trajectory in data.trajectory_reader.filename, set tracking to use it with tracking.method=gt and enable skipping of clouds that have no associated pose with data.skip_clouds_wno_sync=true
- 运行后提醒打开浏览器
http://127.0.0.1:9876/,但是加载好久都加载不出来（改为MobaXterm即可）
- 若
output.folder没有设置，实验结果会保存在results/<date_of_the_experiment>/文件中(但实际运行中会遇到没有results导致跑了几个小时后没法保存模型...)
- 运行完SLAM后(运行的时间应该要好几个小时)，接下来可以基于SLAM的结果来生成mesh：
python3 run.py mesh <path/to/result/folder>
# conda activate Splat-LOAM
# python3 run.py mesh /home/gwp/Splat-LOAM/results/2025-06-19_09-40-53关于保存的ply的可视化请见博客。
- 为了验证所计算的mesh以及odometry，运行下面命令:
python3 run.py eval_recon <reference_pointcloud_file> <estimate_mesh>
python3 run.py eval_odom <path/to/odom/estimate> \
--reference-filename <path/to/reference/trajectory> \
--reference-format <tum|kitti|vilens> \
--estimate-format <tum|kitti|vilens> \