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(TARGETSinferDESTINATION 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：http://www.mzph.cn/web/17989.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

基于Vue uni-app的自定义列表表格信息展示组件

基于Vue uni-app的自定义列表表格信息展示组件

摘要：随着软件技术的不断发展，前端开发面临着越来越多的挑战。特别是在业务场景复杂多变的情况下，如何提高开发效率和降低维护成本成为了关键。本文旨在探讨组件化开发在前端应用中的重要性，并以Vue uni-app自定义列表表格为例&am…
阅读更多...
R语言lavaan结构方程模型（SEM）

R语言lavaan结构方程模型（SEM）

结构方程模型（Sructural Equation Modeling，SEM）是分析系统内变量间的相互关系的利器，可通过图形化方式清晰展示系统中多变量因果关系网，具有强大的数据分析功能和广泛的适用性，是近年来生态、进化、环境、…
阅读更多...
I.MX6ULL模仿 STM32 驱动开发格式实验

I.MX6ULL模仿 STM32 驱动开发格式实验

系列文章目录 I.MX6ULL模仿 STM32 驱动开发格式实验 I.MX6ULL模仿 STM32 驱动开发格式实验 系列文章目录一、前言二、模仿 STM32 寄存器定义2.1 STM32 寄存器定义简介2.2 I.MX6Ul 寄存器定义2.3硬件原理图2.4实验程序编写 三、编译下载验证 一、前言 使用 C 语言编写 LED 灯驱…
阅读更多...
2024年中国金融行业网络安全市场全景图

2024年中国金融行业网络安全市场全景图

网络安全一直是国家安全的核心组成部分，特别是在金融行业，金融机构拥有大量的敏感数据，包括个人信息、交易记录、财务报告等，这些数据的安全直接关系到消费者的利益和金融市场的稳定，因此金融行业在网络安全建设领域一…
阅读更多...
SSL协议：网络安全通信的守护者

SSL协议：网络安全通信的守护者

在网络通信迅猛发展的今天，数据安全和隐私保护变得尤为重要。安全套接层协议（Secure Sockets Layer, SSL）作为早期网络加密及身份验证的基石，为在线数据传输提供了安全保障。下面我们就来了解一下SSL协议。 SSL协议概述 SSL协议最…
阅读更多...
[nextjs]推荐几个很好看的模板网站

[nextjs]推荐几个很好看的模板网站

最近在做网站,折腾了 vue 框架,然后发现了 nextjs 框架,感觉这个做出来的网站配色很好看,然后又开始研究这个 网站配色好看是因为用的 tailwindcss,找网站过程中,发现了几个很好看的模板网站,在这里推荐下,或许你也能用得上 推荐第一个网站是: https://tailspark.co/ 有组件,也…
阅读更多...
前端项目性能优化:工程化环境中将图片转为base64（vite插件）

前端项目性能优化:工程化环境中将图片转为base64（vite插件）

一、优化原理 通过将图片转为base64的形式来减少请求，实现性能优化。 考虑到过大的图片转为base64形式会导致加载时间过长，反而会影响性能，所以需要对转化的图片的大小进行限制。 每次去使用图片的时候都去手动转化一次是很麻烦的&#xf…
阅读更多...
python--pycharm中将venv删除后怎么办

python--pycharm中将venv删除后怎么办

在终端中输入以下命令来创建一个新的虚拟环境（可选）： python -m venv venv 激活虚拟环境： Windows: .\venv\Scripts\activate选择自己项目的虚拟环境
阅读更多...
Java 使用WebMagic爬取网页（简单示例）

Java 使用WebMagic爬取网页（简单示例）

框架简介 WebMagic是一个基于Java的开源网络爬虫框架，它提供了很多简单易用的API接口，可以帮助使用者快速构建出高效、可扩展的网络爬虫程序，WebMagic由四个组件(Downloader、PageProcessor、Scheduler、Pipeline)构成，核心代码非…
阅读更多...
HLS入门（Xilinx Vivado 2019.2）——点亮LED仿真

HLS入门（Xilinx Vivado 2019.2）——点亮LED仿真

HLS入门——点亮LED仿真 一、HLS简介（一）什么是HLS？（二）HLS能做什么？（三）HLS的使用（四）HLS的优势（五）HLS与VHDL/Verilog编程技术的关系…
阅读更多...
在矩池云上使用StoryDiffusion的详细方法

在矩池云上使用StoryDiffusion的详细方法

StoryDiffusion 是由南开大学和字节跳动团队联合研发的，基于一致性自注意力机制生成长跨度图像和视频的新型扩散模型（Consistent Self-Attention for Long-Range Image and Video Generation），使用者不需要进行额外训练&#xff0…
阅读更多...
VBA技术资料MF158：获取系统的用户名

VBA技术资料MF158：获取系统的用户名

我给VBA的定义：VBA是个人小型自动化处理的有效工具。利用好了，可以大大提高自己的工作效率，而且可以提高数据的准确度。“VBA语言専攻”提供的教程一共九套，分为初级、中级、高级三大部分，教程是对VBA的系统讲解&#…
阅读更多...
ROS学习笔记（16）：夹缝循迹

ROS学习笔记（16）：夹缝循迹

0.前言 在笔记的第15期对巡墙驾驶的原理进行了简单讲解，而这期我们来讲一下夹缝循迹，也常被叫follow the gap，也更新一些概念。 1.探索式路径规划与避障 1.概念 无预先建图的路径规划叫探索式路径规划，例如巡墙循迹和夹缝循迹&…
阅读更多...
CTF网络安全大赛简单的web抓包题目：HEADache

CTF网络安全大赛简单的web抓包题目：HEADache

题目来源于&#xff1a;bugku 题目难度&#xff1a;简单 题目 描　　述: > Wanna learn about some types of headache? > Lets dig right into it! 下面是题目源代码&#xff1a; <!DOCTYPE html> <html> <head><meta charset"utf-8"&…
阅读更多...
智能高效的IDE GoLand v2024.1全新发布 - 进一步升级AI辅助工具

智能高效的IDE GoLand v2024.1全新发布 - 进一步升级AI辅助工具

GoLand 使 Go 代码的阅读、编写和更改变得非常容易。即时错误检测和修复建议&#xff0c;通过一步撤消快速安全重构&#xff0c;智能代码完成&#xff0c;死代码检测和文档提示帮助所有 Go 开发人员&#xff0c;从新手到经验丰富的专业人士&#xff0c;创建快速、高效、和可靠的…
阅读更多...
基于Spring 框架中的@Async 注解实现异步任务

基于Spring 框架中的@Async 注解实现异步任务

Async 是 Spring 框架中的一个注解&#xff0c;用于实现方法级别的异步执行。使用 Async 可以让你的代码在非当前线程中执行&#xff0c;从而提高应用的并发性能。 1、 启用异步支持 在 Spring 应用的主配置类或任何其他配置类上添加 EnableAsync 注解来开启异步任务的支持 …
阅读更多...
极验3逆向 JS逆向最新点选验证码 逆向分析详解

极验3逆向 JS逆向最新点选验证码 逆向分析详解

目录 声明&#xff01; 一、请求流程分析 二、w参数生成位置 三、主要问题 四、结果展示 原创文章&#xff0c;请勿转载&#xff01; 本文内容仅限于安全研究&#xff0c;不公开具体源码。维护网络安全&#xff0c;人人有责。 声明&#xff01; 本文章中所有内容仅供学习交流…
阅读更多...
Pytorch 1.9.0环境安装

Pytorch 1.9.0环境安装

pytorch官方链接: https://pytorch.org/get-started/previous-versions/ 安装指令&#xff1a;conda install pytorch1.9.0 torchvision0.10.0 torchaudio0.9.0 cudatoolkit11.3 -c pytorch -c conda-forge 报错&#xff1a;Solving environment: unsuccessful initial attemp…
阅读更多...
分支机构多，如何确保文件跨域传输安全可控？

分支机构多，如何确保文件跨域传输安全可控？

随着企业全球化发展&#xff0c;分支机构的分布越来越广泛&#xff0c;跨域文件传输需求也随之增加。然而&#xff0c;跨域文件传输面临的数据安全和传输效率问题&#xff0c;使得构建一个安全、可控的文件交换系统成为迫切需求。FileLink跨网文件交换系统通过综合的技术手段和…
阅读更多...
Java常见集合类一（List）

Java常见集合类一（List）

一、Collection接口及其常见实现子类、子接口 由上图可以看出&#xff0c;Collection 接口实现了 Iterable 接口&#xff1b; Iterable接口是Java集合类中的核心接口之一&#xff0c;实现该接口的类具有迭代功能&#xff0c;它提供了能够对实现它的子类 中的元素进行逐个遍历的…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023