RangeNet++ 检测3D点云语义算法的详细配置和常见问题

news2025/1/13 13:08:59

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：http://www.coloradmin.cn/o/1691434.html

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，一经查实，立即删除！

相关文章

[Spring Cloud] (9)XSS拦截器

[Spring Cloud] (9)XSS拦截器

文章目录 简述本文涉及代码已开源Fir Cloud 完整项目防XSS攻击必要性：作用： 整体效果后端增加拦截器开关配置pom中增加jsoup依赖添加JSON处理工具类添加xss拦截工具类防XSS-请求拦截器 前端 简述 本文涉及代码已开源 本文网关gateway，微服务…
阅读更多...
基于Matlab实现BP神经网络的手写数字识别

基于Matlab实现BP神经网络的手写数字识别

欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 一、项目背景与意义 手写数字识别是计算机视觉和模式识别领域的一个经典问题，具有广泛的应用场景&…
阅读更多...
信息安全从业者书单推荐

信息安全从业者书单推荐

作为一名网安人，身上肩负的责任是很大的，能力越大，责任也越大，反过来责任越大，能力也必须跟得上。不管是想进这行，还是已经在这行，持续学习肯定是不能缺少的，除了在工作中积累&#…
阅读更多...
C++ 求 f(x) = sin x / x 的函数极限

C++ 求 f(x) = sin x / x 的函数极限

Python： import sympy from sympy import oo #注意无究符号表示形式为两个小定字母o import numpy as np x sympy.Symbol(x) #注意Symbol首字母大写f sympy.sin(x) / x # 定义极限表达式lim sympy.limit(f,x,oo) print(lim)输出： 0 C #include…
阅读更多...
Windows系统安装dlib及face_recognition搭建人脸识别环境

Windows系统安装dlib及face_recognition搭建人脸识别环境

关于face_recognition face_recognition被称为世界上最简洁的人脸识别库，借助face_recognition库，我们可以使用Python和命令行提取、识别、操作人脸。 face_recognition的人脸识别是基于业内领先的C开源库 dlib中的深度学习模型，用Labeled …
阅读更多...
Centos 7.9 使用 iso 搭建本地 YUM 源

Centos 7.9 使用 iso 搭建本地 YUM 源

Centos 7.9 使用 iso 搭建本地 YUM 源 1 建立挂载点 [rootlocalhost ~]# mkdir -p /media/cdrom/ 2 创建光盘存储路径 [rootlocalhost ~]# mkdir -p /mnt/cdrom/ 3 上传 CentOS-7-x86_64-Everything-2207-02.iso 到 光盘存储路径 [rootlocalhost ~]# ls /mnt/cdrom/ CentOS-…
阅读更多...
基于SSM的“酒店管理系统”的设计与实现（源码+数据库+文档)

基于SSM的“酒店管理系统”的设计与实现（源码+数据库+文档)

基于SSM的“酒店管理系统”的设计与实现（源码数据库文档) 开发语言：Java 数据库：MySQL 技术：SSM 工具：IDEA/Ecilpse、Navicat、Maven 系统展示 首页 管理员登录页面 用户管理页面 客房信息查询 酒店详细信息 后台…
阅读更多...
Java学习路线思维导图

Java学习路线思维导图

目录 Java学习流程1.学习大纲2.Java开发中常用的DOS命令 Java入门学习思维导图 Java学习流程 通过大纲了解学习的重点，通过目录依次深入【注：Java环境的搭建百度，提升自己百度的能力】 1.学习大纲 学习流程如下： Java基础语法 …
阅读更多...
【Python】用于发送电子邮件的标准库smtplib和构建邮件主体、添加附件、设置收件人的email

【Python】用于发送电子邮件的标准库smtplib和构建邮件主体、添加附件、设置收件人的email

欢迎来到《小5讲堂》 这是《Python》系列文章，每篇文章将以博主理解的角度展开讲解。 温馨提示：博主能力有限，理解水平有限，若有不对之处望指正！ 目录 插件介绍邮件代码扩展知识点文章推荐 插件介绍 smtplib 是 Pytho…
阅读更多...
内存函数详解与模拟实现

内存函数详解与模拟实现

目录 1.memcpy函数 1.1memmcpy函数的模拟使用 2.memmove函数 2.1memmove 函数的模拟使用 3.memcmp 3.1memcmp函数的模拟实现 4.memset (内存设置) 4.1memset函数的模拟实现 1.memcpy函数 void* memcpy(void* destination, const void* source, size_t num);//之所以是v…
阅读更多...
工业4.0 企业级云MES全套源码，支持app、小程序、H5、台后管理端

工业4.0 企业级云MES全套源码，支持app、小程序、H5、台后管理端

工业4.0 企业级云MES全套源码，支持app、小程序、H5、台后管理端 采用javaspringboot-vue.jsuniapp开发 随着工业4.0的快速发展，制造执行系统（MES）成为了智能制造的核心。今天，将为大家介绍一款开源的MES系统——MES管…
阅读更多...
一个基于HOOK机制的微信机器人

一个基于HOOK机制的微信机器人

一个基于✨HOOK机制的微信机器人，支持🌱安全新闻定时推送【FreeBuf，先知，安全客，奇安信攻防社区】，👯Kfc文案，⚡备案查询，⚡手机号归属地查询，⚡WHOIS信息查询…
阅读更多...
家政保洁服务小程序怎么做？家政公司快速搭建专属小程序

家政保洁服务小程序怎么做？家政公司快速搭建专属小程序

在数字化时代背景下，家政保洁服务行业也迎来了线上转型的新机遇。家政保洁服务小程序，作为一种新型的线上服务平台，不仅能够提升家政公司的服务效率，还能为顾客提供更加便捷的预约上门服务体验。那么家政保洁服务小程序怎么做呢&a…
阅读更多...
java智慧工厂制造生产管理MES系统saas模式Java+ idea+ uniapp全套MES系统源码，多端展示

java智慧工厂制造生产管理MES系统saas模式Java+ idea+ uniapp全套MES系统源码，多端展示

java智慧工厂制造生产管理MES系统saas模式Java idea uniapp全套MES系统源码，多端展示 MES 系统源码（生产制造执行系统）能够帮助企业实现全生产过程的可视化，数据分析智能化、构建高效智能工厂，MES系统通过控制指令、人…
阅读更多...
工作学习的电脑定时关机，定时重启，定时提醒

工作学习的电脑定时关机，定时重启，定时提醒

可以直接下载工具： 定时自动关机 大家好，！ 在我们学习与工作时，经常会遇到想要在完成一个任务后，再关闭电脑或对电脑重启，但这个时间点，操作电脑的人可能不能在电脑旁边，这样就需要…
阅读更多...
Docker快速部署Seata的TC服务以及微服务引入Seata教程

Docker快速部署Seata的TC服务以及微服务引入Seata教程

目录 一、使用docker部署Seata的TC服务 1、拉取TC服务镜像 2、创建并运行容器 ​3、修改配置文件 4、在Nacos中添加TC服务的配置 5、重启TC服务 二、微服务集成Seata 1、引入依赖 2、修改配置文件 Seata是阿里的一个开源的分布式事务解决方案，能够为分布…
阅读更多...
2024年5月计算机视觉论文推荐:包括扩散模型、视觉语言模型、图像编辑和生成、视频处理和生成以及图像识别等各个主题

2024年5月计算机视觉论文推荐:包括扩散模型、视觉语言模型、图像编辑和生成、视频处理和生成以及图像识别等各个主题

我们今天总结下2024年5月发表的最重要的论文，重点介绍了计算机视觉领域的最新研究和进展，包括扩散模型、视觉语言模型、图像编辑和生成、视频处理和生成以及图像识别等各个主题。 Diffusion Models 1、Dual3D: Efficient and Consistent Text-to-3D Ge…
阅读更多...
mysql中text,longtext,mediumtext区别

mysql中text,longtext,mediumtext区别

文章目录 一.概览二、字节限制不同三、I/O 不同四、行迁移不同 一.概览 在 MySQL 中，text、mediumtext 和 longtext 都是用来存储大量文本数据的数据类型。 TEXT：TEXT 数据类型可以用来存储最大长度为 65,535(2^16-1)个字符的文本数据。如果存储的数据…
阅读更多...
SwiftUI中的手势（MagnificationGesture、 RotationGesture）

SwiftUI中的手势（MagnificationGesture、 RotationGesture）

通过前两篇文章的探索，手势的基本使用规则已经较深的了解，本篇文章主要看看放缩手势MagnificationGesture和旋转手势RotationGesture。 MagnificationGesture 放缩手势 放缩手势在App中用的也比较广泛，下面先看一个示例效果： 上…
阅读更多...
Mybatis Cache（二）MybatisCache+Redis

Mybatis Cache（二）MybatisCache+Redis

前面提到了，使用mybatis cache，一般是结合redis使用。 一、demo 1、数据表 create table demo.t_address (id int auto_incrementprimary key,address_name varchar(200) null,address_code varchar(20) null,address_type int n…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023