一个字稳！BEVDet TensorRT的ROS工程实现

作者 | 菜鸡学slam  编辑 | 汽车人

原文链接：https://zhuanlan.zhihu.com/p/671208950

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心【模型部署】技术交流群

本文只做学术分享，如有侵权，联系删文

BEVDet-TensorRT-ROS工程实现

• 本工程所有代码都是参考大佬们的开源项目，如发现代码有雷同，都是本人引用大佬们

• 感谢大佬们的开源工作

1 环境配置

1. 基本环境依赖

ubuntu-20.04, cuda-11.3, cudnn-8.6, TensorRT-8.5

yaml-cpp、Eigen3、libjpeg

1. 拉取源码

mkdir -p bev_ws/src  
cd bev_ws/src  
git clone https://github.com/linClubs/BEVDet-ROS-TensorRT.git

1. onnx2engine

The onnx folder can be downloaded from Baidu Netdisk

# 1 创建一个python环境，并安装相关python库
pip install onnx ruamel.yaml==0.17.32

# 2 进入工程目录
cd BEVDet-ROS-TensorRT

# 3 onnx2engine 运行时报错差什么库就安装该库即可
python tools/export_engine.py ./ckpts/lt_d.yaml ./ckpts/img_stage_lt_d.onnx ./ckpts/bev_stage_lt_d.onnx --postfix=_lt_d --fp16 true

2 ros编译运行

# 1. 编译
cd bev_ws 
catkin make

# 2 工作空间生效
source devel/setup.bash

# 3 运行
roslaunch bevdet bevdet_node.launch

# 4 播放数据集
rosbag play nus.bag

• 测试数据建议直接下载Baidu Netdiskrosbag包, 经本人生成的包，稳的1p。

3 传感器实时数据

• 一定要标定（相机内参， 雷达到相机的外参）, 不然置信度极低

• 一定要训练模型 自己场景数据需要重新训练模型

• 传感器数据直接通过ros发布, 就能实时接本工程并上车

4 待提升

• 图像传输可以压缩

• 因为读了6张图,可以多线程读取

• 图像预处理可以用cuda加速，比如去畸, 仿射变换等操作

• 可以删掉可视化, 去掉雷达数据

• 后处理采用cuda加速

• ...待续

• ...待续 ...

5 普通编译

# 1 创建build目录并进入该目录
mkdir build && cd build

# 2 编译 # 第1次make报错如下，就再次make就能通过编译
cmake .. && make 

Error copying file (if different) from "/home/lin/code/bevdet-tensorrt-cpp/build/CMakeFiles/bevdemo.dir/src/bevdemo_generated_postprocess.cu.o.depend.tmp" to "/home/lin/code/bevdet-tensorrt-cpp/build/CMakeFiles/bevdemo.dir/src/bevdemo_generated_postprocess.cu.o.depend".
CMake Error at bevdemo_generated_postprocess.cu.o.RELEASE.cmake:246 (message):
  Error generating
  /home/lin/code/bevdet-tensorrt-cpp/build/CMakeFiles/bevdemo.dir/src/./bevdemo_generated_postprocess.cu.o

# 错误2：
AttributeError: 
"load()" has been removed, use

  yaml = YAML(typ='rt')
  yaml.load(...)
改正：
pip install ruamel.yaml==0.17.32

# 错误3
报libffi.so.7的错，禁用掉conda
# 1 运行  生成sample0/sample0_lidarbox.txt检测结果
cd build
./bevdemo ../configure.yaml

# 我的运行
./01test ../configure.yaml

# 可视化
cd ../tools
python viewer.py --config ../configure.yaml

• 本工程是基于bevdet-tensorrt-cpp魔改

• 为了快速实现ros版本，只修改了/test/demo_bevdet.cpp中的TestSample函数

• 仅将TestSample改成ros回调函数，导致代码很乱,可读性比较差, 比如读取参数实现方式不统一, 类只封装了推理函数等问题

• 有时间再整理更新代码风格, 代码和人一个能跑就行^_^。

• 再次声明，本工程所有代码都是参考大佬们的开源项目，如发现代码有雷同，都是本人引用大佬们的。

• 感谢大佬们的开源工作。

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）

视频官网：www.zdjszx.com

② 国内首个自动驾驶学习社区

近2000人的交流社区，涉及30+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）

④【自动驾驶之心】平台矩阵，欢迎联系我们！