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https://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。https://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)