RangeNet++ 检测3D点云语义算法的详细配置和常见问题

配置环境：
        Ubuntu18.04

        GPU：GeForce MX150

        驱动：Ubuntu推荐的nvidia-driver-470

        Cuda10.1 + cudnn7.6.2 + TensorRT 5.1.5.0+GCC 7.5.0

运行代码：

        RangeNet++ 

目录

目录

一、环境配置

1. Ubuntu 18.04 安装NVIDIA驱动

（1）通过终端安装，只安装 nvidia 驱动（亲测可用！）

（2）根据NVIDIA驱动版本安装CUDA

2. Cuda10.1 安装

（1）选择CUDA Toolkit 10.1 update2

（2）选择自己的配置，依照Base Installer命令安装（注意选择runfile）

（3）开始安装，取消安装驱动（因为驱动1前面安装过了），其余默认（y）安装

（4）安装完成

（5）环境变量配置

3. 根据CUDA版本选择cudnn版本——cudnn 7.6.2安装

（1） 选择与Cuda对应的版本下载(cudnn7.6.2)

（2）下载后解压得到cuda文件夹

（3）将解压出的文件，移动到/usr/local/cuda文件夹下

（4）赋予所有用户权限，cudnn安装完成

（5）验证cudnn

4. 根据CUDA选TensorRT版本——TensorRT 5.1.5安装

（1）选择要下载的版本（TensorRT 5）

（2）选择TensorRT 5.1 GA（GA版较稳定）

（3）完成问卷调查，选择同意协议

（4）选择对应的Ubuntu和Cuda得版本下载，我的选择如下：

（5）下载完成后，解压到本地

（6）把 TensorRT 的库和头文件添加到系统路径下（这步很重要）

（7）添加路径到环境变量

（8）测试

（9）如果还要用Python接口（未测试）：

（10）python接口验证（未测试）：

5. gcc 版本

二、RangeNet  源码编译

（1） 确认上述Cuda、cudnn和TensorRT安装成功

（2） 相关依赖安装

（3） 使用 catkin 工具来构建库，终端打开：

（4） 运行demo

（5）讲一个非常重要的问题，有时候编译总不能生成/devel/lib/rangenet_lib/infer 中的infer文件，也不报错，但是会有CMakeLists.txt:164 (find_package)的警告。

（6）如果电脑直接合盖休眠后再开启，依赖项TensorRT可能会不能启动导致程序不能运行。

（7）如果因为网络原因（翻墙后没有这个问题），不能git clone 下来代码，可以直接从网站上下载压缩包。

参考文献：

一、环境配置

1. Ubuntu 18.04 安装NVIDIA驱动

打开终端执行

ubuntu-drivers devices

 可以看到我这里推荐安装 nvidia-driver-470，因此安装nvidia-driver-470。安装推荐版本的驱动这里提供两种方法。

（1）通过终端安装，只安装 nvidia 驱动（亲测可用！）

sudo apt install nvidia-driver-470  #安装470驱动

然后重启计算机!!!!!

nvidia 驱动是否安装成功——查看NVIDIA驱动版本

查看NVIDIA驱动版本的命令

方法1：亲测可用（推荐）

cat /proc/driver/nvidia/version

更多关于驱动的内容请参考

Ubuntu 如何根据NVIDIA显卡型号确定对应的显卡驱动版本并安装-CSDN博客icon-default.png?t=N7T8https://blog.csdn.net/u014374826/article/details/139103713?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22139103713%22%2C%22source%22%3A%22u014374826%22%7D

（2）根据NVIDIA驱动版本安装CUDA

官方的CUDA Toolkit版本和显卡驱动对应的表格。

通过上表可以发现，由于自己的NVIDIA显卡驱动版本是 470.141.03，所以自己电脑显卡对应的 可选CUDA Toolkit 10.1 update2 .

2. Cuda10.1 安装

官网下载：CUDA Toolkit Archive | NVIDIA Developer

（1）选择CUDA Toolkit 10.1 update2

（2）选择自己的配置，依照Base Installer命令安装（注意选择runfile）

wget https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run sudo sh cuda_10.1.243_418.87.00_linux.run

针对本笔记本的文件版本

天翼网盘链接：

天翼云盘 珍藏美好生活 家庭云|网盘|文件备份|资源分享天翼云盘是中国电信推出的云存储服务，为用户提供跨平台的文件存储、备份、同步及分享服务，是国内领先的免费网盘，安全、可靠、稳定、快速。天翼云盘为用户守护数据资产。icon-default.png?t=N7T8https://cloud.189.cn/t/EZ32AjZbmmMb (访问码:2egs)

（3）开始安装，取消安装驱动（因为驱动1前面安装过了），其余默认（y）安装

sudo sh cuda_10.1.243_418.87.00_linux.run

（4）安装完成

（5）环境变量配置

1. 终端输入：

gedit ~/.bashrc

2. 在bashrc末尾加入:

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64 export PATH=$PATH:/usr/local/cuda-10.1/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1

3. 变量生效

source ~/.bashrc

4. 验证版本

nvcc -V

3. 根据CUDA版本选择cudnn版本——cudnn 7.6.2安装

官网下载（需要登陆）：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

需要注册账号

（1） 选择与Cuda对应的版本下载(cudnn7.6.2)

或者，

针对本人笔记本可以直接从天翼网盘链接：

https://cloud.189.cn/t/YBFJJzMZv6Fv (访问码:mbc8)

（2）下载后解压得到cuda文件夹

（3）将解压出的文件，移动到/usr/local/cuda文件夹下

sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64/ sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include/

（4）赋予所有用户权限，cudnn安装完成

sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*

（5）验证cudnn

cat /usr/local/cuda-10.1/include/cudnn.h | grep CUDNN_MAJOR -A 2

4. 根据CUDA选TensorRT版本——TensorRT 5.1.5安装

TensorRT 支持的环境和 Python 版本如表所示

 官网下载地址：Log in | NVIDIA Developer

（1）选择要下载的版本（TensorRT 5）

（2）选择TensorRT 5.1 GA（GA版较稳定）

（3）完成问卷调查，选择同意协议

（4）选择对应的Ubuntu和Cuda得版本下载，我的选择如下：

注：如果Cuda下载用的是deb（local），则TensorRT也需要下载Debian包本地安装（上图第一个）；而Cuda用runfile安装，就得下载tar压缩安装；两者需要对应，否则安装会报错。

或者，

针对本人笔记本可以直接从天翼网盘链接：

https://cloud.189.cn/t/veaAzu2Ar2im (访问码:cbs2)

（5）下载完成后，解压到本地

（6）把 TensorRT 的库和头文件添加到系统路径下（这步很重要）

# TensorRT目录下
sudo cp -r ./lib/* /usr/lib sudo cp -r ./include/* /usr/include

（7）添加路径到环境变量

gedit ~/.bashrc export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/TensorRT-5.1.5.0/lib 
source ~/.bashrc

上述完成，则TensorRt的C++接口安装就完成了。

（8）测试

878878788 cd ../bin ./sample_mnist

输出如下结果则安装成功！

（9）如果还要用Python接口（未测试）：

#在下载的TensorRT目录文件夹下 cd TensorRT-5.0.2.6/python pip install tensorrt-5.0.2.6-py2.py3-none-any.whl 安装UFF,支持tensorflow模型转化 cd TensorRT-5.0.2.6/uff pip install uff-0.5.5-py2.py3-none-any.whl 安装graphsurgeon，支持自定义结构 cd TensorRT-5.0.2.6/graphsurgeon pip install graphsurgeon-0.3.2-py2.py3-none-any.whl

（10）python接口验证（未测试）：

python3 import tensorrt tensorrt.version #输出'5.1.5.0'则安装成功！

5. gcc 版本

二、RangeNet  源码编译

1.  确认上述Cuda、cudnn和TensorRT安装成功

2.  相关依赖安装

sudo apt-get update 
sudo apt-get install -yqq  build-essential python3-dev python3-pip apt-utils git cmake libboost-all-dev libyaml-cpp-dev libopencv-dev
sudo apt install python-empy
sudo apt-get install python-pip                  (sudo: pip：找不到命令)  
sudo pip install catkin_tools trollius numpy

3.  使用 catkin 工具来构建库，终端打开：

mkdir -p ~/RangeNet_ws/src
cd ~/RangeNet_ws/src
git clone https://github.com/ros/catkin.git 
git clone https://github.com/PRBonn/rangenet_lib.git
cd .. && catkin init
catkin build rangenet_lib

4. 运行demo

1）预训练模型下载：https://www.ipb.uni-bonn.de/html/projects/semantic_suma/darknet53.tar.gz

2）预测demo

cd到catkin workspace下
cd ~/RangeNet_ws
-p后是预训练模型路径、-s后是要预测点云.bin 
 ./devel/lib/rangenet_lib/infer -p /home/fairlee/darknet53 -s /home/fairlee/RangeNet_ws/src/rangenet_lib/example/000000.bin --verbose

./devel/lib/RangeNet/infer -p /home/fairlee/darknet53 -s /home/fairlee/KittiData/test/0000000021.bin

./devel/lib/rangenet_lib/infer

-p /home/fairlee/darknet53    -p 后是预训练模型路径

-s /home/fairlee/catkin_ws/src/rangenet_lib/example/000000.bin -s 后是要预测点云

--verbose 显示运行时间

三、运行过程中常遇到的问题

1. 讲一个非常重要的问题，有时候编译总不能生成/devel/lib/rangenet_lib/infer 中的infer文件，也不报错，但是会有CMakeLists.txt:164 (find_package)的警告。

就是CMakeLists.txt有问题啊！！！

5.1 下面展示的是有问题的编译！！！！虽然有问题，但是不报错啊！！！！

CMake Warning at CMakeLists.txt:164 (find_package):
  Found package configuration file:
    /usr/local/lib/cmake/opencv4/OpenCVConfig.cmake   but it set OpenCV_FOUND to FALSE so package "OpenCV" is considered to be   NOT FOUND.
  
# 这个警告表示，CMake找到了OpenCV的配置文件（OpenCVConfig.cmake），这个文件通常由OpenCV的安装过程生成，但是由于某种原因，该文件设置了
# OpenCV_FOUND为FALSE，所以CMake认为它没有找到OpenCV。

检查OpenCV版本：在你的CMakeLists.txt文件中，你指定了需要OpenCV 3.2.0版本。如果你的系统上安装的OpenCV版本不是3.2.0，那么find_package命令可能会失败。你可以通过在终端运行pkg-config --modversion opencv命令来检查你的系统上安装的OpenCV版本。

修改CMakeLists.txt文件中OpenCV 的版本为3.2.0！！！！！！！！！！！！！！！！！

if(EXAMPLE)
  # get opencv (required)
  find_package(OpenCV 3.2.0 COMPONENTS core viz)
  if(OpenCV_FOUND)
    message("Building example...")
    message("OpenCV Libs: ${OpenCV_LIBS}")
    set(OpenCV_LIBRARIES ${OpenCV_LIBS})
    message("OpenCV Headers: ${OpenCV_INCLUDE_DIRS}\n")
    include_directories(${OpenCV_INCLUDE_DIRS})
    add_executable(infer example/infer.cpp)
    target_link_libraries(infer   rangenet_lib
                                  ${catkin_LIBRARIES}
                                  ${OpenCV_LIBRARIES}
                                  ${Boost_LIBRARIES}
                                  ${YAML_CPP_LIBRARIES}
                                  ${TENSORRT_LIBRARIES}
                                  )
    install(
      TARGETS
      infer
      DESTINATION bin/
    )
else()
 message("...***************************OpenCV 没有找到或者没有关联上***********************************................................")
  endif()
else()
  message("Not building example.")
endif()

正确的编译的提示如下！！！！

2. 如果电脑直接合盖休眠后再开启，依赖项TensorRT可能会不能启动导致程序不能运行。

--------------------------------------重启电脑即可！！！--------------------------------------

--------------------------------------重启电脑即可！！！--------------------------------------

--------------------------------------重启电脑即可！！！--------------------------------------

3. 如果因为网络原因（翻墙后没有这个问题），不能git clone 下来代码，可以直接从网站上下载压缩包。

git clone https://github.com/ros/catkin.git

git clone GitHub - PRBonn/rangenet_lib: Inference module for RangeNet++ (milioto2019iros, chen2019iros)

再进行编译也是可以的。

参考文献：

PRBonn/rangenet_lib: Inference module for RangeNet++ (milioto2019iros, chen2019iros) (github.com)

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/654438.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

网络——多区域OSPF配置（OSPF系列第1篇）

网络——多区域OSPF配置（OSPF系列第1篇）

简介 路由协议OSPF全称为Open Shortest Path First，也就开放是的最短路径优先协议，使用链路状态路由算法，isis协议也是使用链路状态路由算法。而RIP协议使用距离矢量路由算法。 区域 为了能够降低OSPF计算的复杂程度，OSPF采用分…
阅读更多...
Redis解决缓存一致性问题

Redis解决缓存一致性问题

文章目录 ☃️概述☃️数据库和缓存不一致采用什么方案☃️代码实现☃️其他 ☃️概述 由于我们的 缓存的数据源来自于数据库, 而数据库的 数据是会发生变化的, 因此,如果当数据库中 数据发生变化,而缓存却没有同步, 此时就会有 一致性问题存在, 其后果是: 用户使用缓存中的过…
阅读更多...
简爱的思维导图怎么做？从这三个角度

简爱的思维导图怎么做？从这三个角度

简爱的思维导图怎么做？《简爱》作为夏洛蒂勃朗特的代表作，不仅是一部经典的爱情小说，也是探索女性独立与自我成长的文学巨著。为了深入理解这部作品，制作思维导图是一种高效的学习和分析工具。以下是三种不同的角度来创建《简爱》…
阅读更多...
【LeetCode算法】第88题：合并两个有序数组

【LeetCode算法】第88题：合并两个有序数组

目录 一、题目描述 二、初次解答 三、官方解法 四、总结 一、题目描述 二、初次解答 1. 思路：首次想到的解法：定义一个mn长度的辅助数组，从头遍历这两个数组，谁小就放进辅助数组中并且对应往后走，最后使用memcpy函…
阅读更多...
VSCode开发Python-Django入门

VSCode开发Python-Django入门

一、安装配置Python环境及配置Python环境变量 1、python安装包安装后，需要注意pip.exe和pip3.exe的安装； 2、环境变量需要配置两个目录； 3、验证python是否安装成功 通过cmd命令执行：python --version 查看python版本&#xff…
阅读更多...
解决 DataGrip 2024.1.3 连接 Tdengine 时timestamp字段显示时区不正确问题

解决 DataGrip 2024.1.3 连接 Tdengine 时timestamp字段显示时区不正确问题

设置中找到该设置，将原来的设置 yyyy-MM-dd HH:mm:ss 修改为: yyyy-MM-dd HH:mm:ss.SSS z 即可。 注意：只能修改第一个,修改后提示错误，但是查询数据时能成功格式化时间，修改第二个不生效，可能是 bug 具体格式见: Date…
阅读更多...
如何取消公众号的在线客服绑定授权

如何取消公众号的在线客服绑定授权

1，功能设置 2，公众号设置 3，查看详情，取消
阅读更多...
2024年新算法-秘书鸟优化算法(SBOA)优化BP神经网络回归预测

2024年新算法-秘书鸟优化算法(SBOA)优化BP神经网络回归预测

2024年新算法-秘书鸟优化算法(SBOA)优化BP神经网络回归预测 亮点： 输出多个评价指标：R2，RMSE，MSE，MAPE和MAE 满足需求，分开运行和对比的都有对应的主函数：main_BP, main_SBOA, main_BPvsBP_SB…
阅读更多...
书生·浦语第二期-笔记2

书生·浦语第二期-笔记2

课程链接：https://github.com/InternLM/Tutorial/tree/camp2 视频地址：轻松玩转书生浦语大模型趣味Demo_哔哩哔哩_bilibili 大模型及InternLM介绍 大模型：人工智能领域中参数数量巨大、拥有庞大计算能力和参数规模的模型 特点&#xff1a…
阅读更多...
使用ssh连接ubuntu

使用ssh连接ubuntu

一、下载连接工具 常见的连接工具右fianlshell、xshell等等。在本文章中使用的finalshell，工具可以去官网上下载，官网下载。 二、Ubuntu中配置shh 1、使用下面指令更新软件包（常用于下载安装或更新软件时使用，更新到最新的安装…
阅读更多...
【鸟叔的Linux私房菜】2-主机规划与磁盘分区

【鸟叔的Linux私房菜】2-主机规划与磁盘分区

文章目录 2.1 Linux与硬件的搭配各硬件设备在Linux的文件名使用虚拟机学习 2.2 磁盘分区磁盘连接方式和设备文件名的关系MBR(MS-DOS)与GPT磁盘分区表MBR(MS-DOS)GPT磁盘分区表 启动流程的BIOS与UEFI启动检测程序BIOS搭配MBR/GPT的启动流程UEFI BIOS搭配 GPT启动的流程 Linux安装…
阅读更多...
B站pink老师HTML5基础（一）

B站pink老师HTML5基础（一）

文章目录 一、网页1.什么是网页2.什么是HTML二、常用浏览器 三、Web标准四、HTML标签1.HTML基本结构标签 五、快捷键六、常用标签1.标题标签2.段落和换行标签3.文本格式化标签4.div标签和span标签5.图像标签6.图像路径7.超链接标签8.特殊字符 一、网页 1.什么是网页 2.什么是H…
阅读更多...
Mybatis入门——其他查询操作和数据库连接池（4）

Mybatis入门——其他查询操作和数据库连接池（4）

目录 一、多表查询 二、#{} 和 ${} 1、#{} 和 ${} 的使用 （1）Integer类型的参数 #{} 的使用 ${} 的使用 （2）使用String类型的参数 #{} 的使用 ${} 的使用 小结： 2、#{} 和 ${} 的区别 （1&#…
阅读更多...
3、python安装-linux系统下

3、python安装-linux系统下

安装前置依赖软件，安装完成后，打开官网，下载linux系统下的python安装包： 选择最新的版本 点击最新版本，进入版本对应的界面， 选择第一个进行源码的编译，右键选择复制连接地址， 回到终…
阅读更多...
懒人创业秘诀揭秘：加入萤瓴优选项目，普通人也能打开财富大门

懒人创业秘诀揭秘：加入萤瓴优选项目，普通人也能打开财富大门

创业对于很多人来说，是一个艰难而复杂的过程。然而，时代的发展带来了新的机遇，懒人创业成为了一种趋势。加入萤瓴优选项目，普通人也能轻松打开财富大门。本文将揭秘懒人创业的秘诀，并分析萤瓴优选项目如何帮助普通人实…
阅读更多...
Thingsboard规则链：Switch节点详解

Thingsboard规则链：Switch节点详解

在物联网（IoT）领域，数据的高效处理与自动化决策是构建智能系统的核心。作为一款强大的物联网平台，Thingsboard通过其规则引擎为开发者提供了高度灵活的工具，其中Switch节点是实现消息条件路由的关键组件。本文将全方位…
阅读更多...
[leetcode hot 150]第五十六题，合并区间

[leetcode hot 150]第五十六题，合并区间

题目： 以数组 intervals 表示若干个区间的集合，其中单个区间为 intervals[i] [starti, endi] 。请你合并所有重叠的区间，并返回 一个不重叠的区间数组，该数组需恰好覆盖输入中的所有区间 。 思路： 这道题目要求合并一…
阅读更多...
从技术的角度剖析Nginx框架

从技术的角度剖析Nginx框架

众所周知，nginx 性能高，而 nginx 的高性能与其架构是分不开的。 1、nginx 多进程模式架构 nginx 启动后，会有一个master 进程和多个 worker 进程。 master 进程用来管理 worker 进程，功能包含：接收来自外界的信号&a…
阅读更多...
智能跳绳的产品体验与思考（一）

智能跳绳的产品体验与思考（一）

我，虽称不上跳绳高手，却对这项运动怀有深厚的热爱，也曾在某电商平台上选购过一款智能跳绳，希望能借此提升我的跳绳技巧。今天，咱们就来聊聊我和这条绳子的发生的一些故事，外加我的一些思考。 此刻&#xf…
阅读更多...
如何利用 Selenium 对已打开的浏览器进行爬虫

如何利用 Selenium 对已打开的浏览器进行爬虫

大家好！ 在对某些网站进行爬虫时，如果该网站做了限制，必须完成登录才能展示数据，而且只能通过短信验证码才能登录 这时候，我们可以通过一个已经开启的浏览器完成登录，然后利用程序继续操作这个浏览器&…
阅读更多...
最新文章

Copyright @ 2022~2023