Lidar AI Solution 环境配置指南

Lidar AI Solution 环境配置指南

LidarAISolution环境配置 项目地址: https://gitcode.com/Resource-Bundle-Collection/309c3

本文档旨在为 Lidar AI Solution 项目的环境配置提供详细的步骤和指导。通过本指南，您将能够顺利配置项目所需的环境，并开始使用 Lidar AI Solution 进行相关开发和研究。

项目概述

Lidar AI Solution 项目为自动驾驶中的 3D-Lidar 技术提供了一个高性能的解决方案。该项目在加速 sparse convolution、CenterPoint、BEVFusion 等方面表现出色，适用于多种自动驾驶场景。

环境配置步骤

1. 系统要求

• 操作系统：Ubuntu 20.04
• 显卡：RTX 3060
• 显卡驱动：510.108.03
• CUDA：11.6
• cuDNN：8.4.0
• TensorRT：8.4.1

2. 项目拉取

确保按照以下步骤完整拉取项目：

sudo apt-get install git-lfs
git clone --recursive https://github.com/NVIDIA-AI-IOT/Lidar_AI_Solution
cd Lidar_AI_Solution

注意：完整拉取项目非常重要，后续的问题基本上都是因为没有完整拉取整个项目所导致的。

3. 环境配置

3.1 CUDA-BEVFusion

1. 下载模型和数据

   从指定链接下载模型和数据到 CUDA-BEVFusion 文件夹，并解压。

2. 配置环境

   修改 environment.sh 文件，设置 TensorRT、CUDA、CUDNN 的路径。

3. 编译运行

   执行以下命令进行编译和运行：

   bash tool/build_trt_engine.sh
   bash tool/run.sh
   

3.2 CUDA-CenterPoint

1. 模型和数据

   使用 nuScenes Dataset 中的激光雷达数据，onnx 模型可以通过给定的脚本从 checkpoint 中导出。

2. 前置条件

   确保安装了 CUDA、TensorRT、libspconv 库。

3. 编译运行

   修改 CMakeLists.txt 文件，设置 TensorRT 和 CUDA 的路径，然后执行以下命令：

   bash tool/build_trt.sh
   mkdir -p build && cd build
   cmake .. && make -j
   ./centerpoint /data/test/ --verbose
   

3.3 CUDA-PointPillars

1. 模型和数据

   使用 KITTI 数据集中的激光雷达数据，onnx 文件可以通过脚本从预训练模型中导出。

2. 前置条件

   确保安装了 TensorRT、CUDA 以及 TensorRT 中的 PillarScatter layer 插件。

3. 编译运行

   修改 CMakeLists.txt 文件，设置 TensorRT 的路径，然后执行以下命令：

   mkdir -p build && cd build
   cmake .. && make -j
   

常见问题

1. 问题1：/usr/bin/ld：cannot find -lspconv

   解决办法：确保完整拉取整个项目。

2. 问题2：/libspconv.so：file format not recognized

   解决办法：确保完整拉取整个项目。

结语

通过以上步骤，您应该能够成功配置 Lidar AI Solution 项目的环境，并开始进行相关开发和研究。如果在配置过程中遇到任何问题，请参考项目文档或相关社区寻求帮助。

LidarAISolution环境配置 项目地址: https://gitcode.com/Resource-Bundle-Collection/309c3