1. 环境感知算法概述

在自动驾驶领域，环境感知算法主要负责处理周围环境中障碍物和道路的信息，为车辆的决策与执行提供车辆与环境的数据。包括检测移动和静止的障碍物、确定车辆在环境中所处的位置，涉及的传感器有摄像头、激光雷达和毫米波雷达等。

本教程主要涉及自动驾驶环境与感知的主流算法的环境配置，并辅以简要的技术介绍。由于环境感知算法发展数年，部分算法在当下的硬件与软件环境中并不容易直接复现，不同包之间的依赖配置繁琐。笔者将若干重要的环境感知算法整理出来，每个环境都是在自己计算机上进行复现。

将对于如下算法进行复现：

1）CenterNet：CenterNet 是一种针对目标检测的深度学习模型。与其他的目标检测模型（如Faster R-CNN、YOLO或SSD）使用边界框回归不同，CenterNet 的主要思想是通过检测目标的中心点来进行目标检测。因此，它将目标检测的问题转化为一个回归问题，即预测目标的中心点坐标以及宽高。这种方法简化了模型的复杂性，提高了处理速度，同时保持了较高的检测精度。

CenterNet复现博客：

环境感知算法——2.CenterNet基于KITTI数据集训练https://blog.csdn.net/wenquantongxin/article/details/1309586942）PSMNet：PSMNet (Pyramid Stereo Matching Network) 是一种立体匹配网络，用于深度估计。立体匹配是计算机视觉中的一个重要任务，主要是通过比较两个摄像头捕获的图像，来估计场景中物体的深度。PSMNet 使用了一种三维卷积神经网络，并引入了多尺度和多层次的特性，以更准确地进行深度估计。

PSMNet复现博客：

环境感知算法——3.PSMNet基于Kitti数据集训练https://blog.csdn.net/wenquantongxin/article/details/1309608533）PointPillars：PointPillars 是一种处理三维点云数据的方法，主要应用于自动驾驶和机器人领域。PointPillars 将三维空间划分成多个柱状区域（Pillars），并将每个柱中的点云数据进行聚合，转化为二维特征表示。这种方法可以有效地减少计算复杂性，同时保持了较高的目标检测精度。

4）RandLANet：RandLANet（Randomly Anisotropic Network）是一种针对大规模三维点云分类和分割的神经网络。RandLANet引入了一种新的随机各向异性卷积（Randomly Anisotropic Convolution），这种卷积可以更好地捕获点云的各向异性特性。此外，RandLANet还采用了自注意力机制，可以动态地调整每个点的权重，从而提高模型的表现。

5）FMCW：FMCW（Frequency Modulated Continuous Wave）是一种连续波形的频率调制雷达技术。FMCW雷达发送一种频率随时间连续变化的信号，并接收由目标反射回来的信号。通过比较发送的信号和接收到的信号的频率差，可以测量目标的距离和速度。FMCW雷达由于其低功耗、高精度和抗干扰能力强等优点，被广泛应用于汽车雷达和无人机等领域。

2. Ubuntu 安装GPU驱动、CUDA和cudnn

假设现在已经在具有NVIDIA GPU的实体机上安装完成了Ubuntu 20.04系统，由于各个感知算法都需要调用GPU进行训练，故需要安装GPU驱动、CUDA和cudnn。

1）禁用nouveau

nouveau开源驱动与NVIDIA驱动相互冲突，如果设备安装了nouveau驱动，NVIDIA驱动将无法正常安装。

在终端中输入：

sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf"
sudo bash -c "echo options nouveau modeset=0 >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf"

此时，输入：

cat /etc/modprobe.d/blacklist-nvidia-nouveau.conf

将会出现：

blacklist nouveau
options nouveau modeset=0

表明禁用成功。

2）更新内核之后，重新启动

使用下列代码重启内核，代码运行时长为若干秒

sudo update-initramfs -u

重启内核之后，重新启动Ubuntu系统。

3）安装GPU驱动

使用 "Software & Updates" 应用中的 "Additional Drivers" 选项卡来安装 Nvidia 驱动，
例如选取Using NVIDIA driver metapackage from nvidia-driver-525(proprietary)。

此时，使用下列代码是大部分情况下是可以查看NVIDIA驱动情况的。

nvidia-smi

然而，某些情况下，由于没有关闭自动更新，使用nvidia-smi会出现报错：

NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. 
Make sure that the latest NVIDIA driver is installed and running.

需要通过：

ls /usr/src | grep nvidia

查找安装的驱动版本号，例如查找结果为nvidia-525.105.17，下文使用dkms中进行替换。
再执行：

sudo apt-get install dkms
sudo dkms install -m nvidia -v 525.105.17 # 替换为相应版本号

接下来，运行下列代码，将先黑屏再显示原来画面，

sudo modprobe nvidia

使用nvidia-smi即可出现版本号与GPU信息。

4）安装CUDA
通过https://developer.nvidia.cn/cuda-toolkit-archive下载CUDA安装包，最新版本为CUDA12.1，实测适用于大部分感知算法。请注意：Anaconda中每个环境都需要再安装一次CUDA Toolkit，需要保证Anaconda环境中的CUDA版本既适用于算法运行环境，又需要小于实体计算机中的CUDA版本。
在cuda_12.1.0_530.30.02_linux.run所在文件夹内，运行：

sudo sh cuda_12.1.0_530.30.02_linux.run

如果按照3）中已经安装GPU驱动，则不需要勾选（其实是叉选）Driver栏，如果安装成功
出现（以不安装Driver为例）：

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-12.1/

Please make sure that
 -   PATH includes /usr/local/cuda-12.1/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-12.1/lib64, or, add /usr/local/cuda-12.1/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-12.1/bin
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 530.00 is required for CUDA 12.1 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run --silent --driver

按照上述提示内容，在终端中键入：

export PATH="/usr/local/cuda-12.1/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH"

5）安装Cudnn

下载链接：https://developer.nvidia.cn/rdp/cudnn-download

官方安装指南：Installation Guide - NVIDIA Docs

通过下载链接获得Debian本地仓库安装包，例如选取Local Installer for Ubuntu20.04 x86_64 (Deb)下载安装包cudnn-local-repo-ubuntu2004-8.9.1.23_1.0-1_amd64。在官方教程中，需要将下列安装指令中的X.Y和8.x.x.x替换为特定的CUDA和cuDNN版本，则cudnn-local-repo-ubuntu2004-8.9.1.23_1.0-1_amd64就有X.Y对应于8.9，8.x.x.x对应于8.9.1.23。

导航到包含cuDNN Debian本地安装文件的<cudnnpath>目录。启用本地仓库。

sudo dpkg -i cudnn-local-repo-ubuntu2004-8.9.1.23_1.0-1_amd64.deb 

导入CUDA GPG密钥：

sudo cp /var/cudnn-local-repo-ubuntu2004-8.9.1.23/cudnn-local-A9C84908-keyring.gpg /usr/share/keyrings/

刷新仓库元数据：

sudo apt-get update

安装Runtime库：

sudo apt-get install libcudnn8=8.9.1.23-1+cuda12.1

安装开发库：

sudo apt-get install libcudnn8-dev=8.9.1.23-1+cuda12.1

安装代码样例：

sudo apt-get install libcudnn8-samples=8.9.1.23-1+cuda12.1 

这样就在Debian系统中成功地安装了cuDNN。

6）在Linux上验证cuDNN是否已安装并正在正确运行

编译位于/usr/src/cudnn_samples_v8目录中的mnistCUDNN样例。

复制cuDNN样本到一个可写路径，并切换至对应目录：

cp -r /usr/src/cudnn_samples_v8/ $HOME 
cd  $HOME/cudnn_samples_v8/mnistCUDNN

为了避免编译mnistCUDNN时出错：

fatal error: FreeImage.h: No such file or directory

需要安装：

sudo apt-get install libfreeimage3 libfreeimage-dev 
sudo apt-get update

编译并运行mnistCUDNN样例，样例为调用CUDNN进行了简单的mnist神经网络计算：

make clean && make
./mnistCUDNN

如果cuDNN已正确安装并运行，最终会显示以下消息：

Test passed!

这表示cuDNN已成功安装并可以正常运行。

7）更换清华源

编辑/etc/apt/sources.list，替换为如下内容。原内容建议另存。

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse

3. 推荐几个易用的Ubuntu软件

刚从windows迁移至Ubuntu之后，内置软件或功能不能满足需求，或功能缺失，或单纯的感觉不如Windows中美观。现整理如下软件链接，可以实现几乎与Windows相同的体验。

1）编程软件

VScode：请勿使用Snap商店的VScode，功能是残缺的。请从官网下载。Download Visual Studio Code - Mac, Linux, WindowsVisual Studio Code is free and available on your favorite platform - Linux, macOS, and Windows. Download Visual Studio Code to experience a redefined code editor, optimized for building and debugging modern web and cloud applications.https://code.visualstudio.com/download

Anaconda：Free Download | AnacondaAnaconda's open-source Distribution is the easiest way to perform Python/R data science and machine learning on a single machine.https://www.anaconda.com/download/

 2）Edge浏览器

稳定版：

Index of /repos/edge/pool/main/m/microsoft-edge-stable/https://packages.microsoft.com/repos/edge/pool/main/m/microsoft-edge-stable/Dev版：

Become a Microsoft Edge Insider | Microsoft EdgeBe the first to preview what's new by becoming a Microsoft Edge Insider and downloading the Insider channels.https://www.microsoft.com/en-us/edge/download/insider?form=MA13FJ3）搜狗输入法

下载链接：

搜狗输入法linux-首页搜狗输入法for linux—支持全拼、简拼、模糊音、云输入、皮肤、中英混输https://shurufa.sogou.com/linux安装指南：

搜狗输入法linux-安装指导搜狗输入法for linux—支持全拼、简拼、模糊音、云输入、皮肤、中英混输https://shurufa.sogou.com/linux/guide

4）下载工具：迅雷与百度网盘都是有Linux版本的。

5）VLC视频播放

sudo apt install vlc

6）终端控制

sudo apt install terminator