FFB6D搭建环境

已于 2022-09-30 12:04:44 修改
阅读量4.3k 收藏 28
点赞数 9
分类专栏： 机器人 文章标签： python opencv 深度学习 ubuntu
于 2022-09-29 17:55:10 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43414694/article/details/127102665
版权

文章目录

FFB6D搭建环境

本文为cvpr21-FFB6D: A Full Flow Bidirectional Fusion Network for 6D Pose Estimation的环境搭建教程，使用的服务器版本为Ubuntu16.04，Python版本为3.6，使用linemod数据集为例

源码地址

本文顺序安装源码网站需要的环境依次安装，需要搭建的环境为apex，normal speed，RandLA

搭建前的准备(根据需要选择性浏览)

  1. 使用anaconda创建虚拟环境
    conda create -n ffb6d python=3.6
conda activate ffb6d
  2. 安装requirements.txt中的所需环境
    pip install -r requirements.txt
    requirements.txt中需要进行一些修改，yaml改为pyyaml，pytorch和torchvision版本根据显卡和cuda版本合理选择，源码需要使用cuda10.1或10.2。在最后加上以下库
    tqdm， tensorboardX，pandas，scikit-learn，termcolor，删除pprint（Python中自带）
  3. 使用源码安装cuda
    此处可参考教程，如何在服务器上安装多个版本的cuda

安装apex

直接pip安装即可

pip install apex

安装normal speed

打开normal speed的github网站，发现需要三个依赖库：opecv3，numpy，pybind11，numpy在requirements.txt中以安装，opencv3需要使用源码安装（使用pip安装在后续搭建环境会报错）

安装opencv3

安装opencv3需要一些依赖项，如果都安装的话按照下面步骤应该不会出错，如果出错应该是依赖项的问题，这个请自行百度并让服务器管理员安装（安装依赖项需要sudo权限）

本文以opencv3.4.15为例进行安装，首先进入官网下载opencv3.4.15的源码（source）

在这里插入图片描述
之后下载opencv_contrib，这是opencv的扩展项，如果不安装的话在后续编译过程会报错

opencv_contrib需要和opencv版本对应，因此需要下载3.4版本的

我直接将两个压缩包放到了服务器个人文件的根目录下（即/home/MyName/opencv-3.4.15.zip，MyName为用户名）

解压opencv

unzip opencv-3.4.15.zip

将opecv_contrib解压至opencv下

unzip opencv_contrib-3.4.zip -d opencv-3.4.15

之后执行

cd opencv-3.4.15
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/home/MyName/opencv34 -D WITH_TBB=ON -D WITH_V4L=ON -D BUILD_TIFF=ON -D BUILD_EXAMPLES=ON -D WITH_OPENGL=ON -D WITH_EIGEN=ON -D WITH_CUDA=ON -D WITH_CUBLAS=ON -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules/ ..

这里的CMAKE_INSTALL_PREFIX参数是opencv的安装路径，我放在/home/MyName/Opencv34中，OPENCV_EXTRA_MODULES_PATH为opencv_contrib的路径

漫长等待ing

在这里插入图片描述

之后安装

make -j16
make install

j16表示使用16线程安装，根据服务器性能决定

在这里插入图片描述
出现上图就表示安装以完成

添加环境变量

gedit ~/.bashrc

添加

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/home/MyName/opencv34/lib/pkgconfig
export PKG_CONFIG_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/MyName/opencv34/lib64/

之后使环境变量生效

source ~/.bashrc

验证

pkg-config --modversion opencv
# 显示版本号表示成功

安装pybind11

直接pip安装

pip install pybind11

安装normal speed

下载源码到根目录

git clone https://github.com/hfutcgncas/normalSpeed.git

进入/home/MyName/normalSpeed/normalSpeed/中打开CMakeList.txt并添加
在这里插入图片描述

红框部分是opencv和pybind11的安装目录

切换工作目录并安装

cd /home/MyName/normalSpeed/normalSpeed/
python setup.py install

在这里插入图片描述

显示上图表示安装完成

安装RandLA

cd ffb6d/models/RandLA/
sh compile_op.sh

这里直接参考源码github即可

运行代码前的准备

将linemod数据集解压至ffb6d/datasets/linmode

修改ffb6d/train_lm.py中的代码，对于高版本pyymal，直接运行可以会出现TypeError: load() missing 1 required positional argument: 'Loader'这个错误

# 第139行
self.lm_r_lst = yaml.load(lm_r_file)
# 修改为
self.lm_r_lst = yaml.load(lm_r_file, Loader=yaml.FullLoader)

按照相同方法修改ffb6d/datasets/linmod_dataset.py中的第46行

运行代码

按照github中的说明运行即可，注意gpu数量别设置错了，理论上没啥问题了
在这里插入图片描述

有疑问多多交流，有错误请帮忙指出，共同进步

七、使用kubeadm搭建生产环境单master多node节点的k8s集群
qq_46654855的博客
07-28 332
DEVICE=ens33#网卡设备名，大家ipaddr可看到自己的这个网卡设备名，每个人的机器可能这个名。kubeadm是官方提供的开源工具，是一个开源项目，用于快速搭建kubernetes集群，目前是比较。Kubeadm和二进制都适合生产环境，在生产环境运行都很稳定，具体如何选择，可以根据实际项目。kubeadm是工具，可以快速搭建集群，也就是相当于用程序脚本帮我们装好了集群，属于自动部。署，简化部署操作，证书、组件资源清单文件都是自动创建的，自动部署屏蔽了很多细节，使得对各个模。............
无线认证服务器搭建,基于Windows 2012R2 AD RADIUS无线认证
weixin_32747681的博客
08-06 3015
本帖最后由 tdfd 于 2015-4-22 08:29 编辑环境介绍：AD一台，包含CA证书服务RADIUS成员服务器一台AP多台客户电脑多台前提：AD上安装并配置企业域根证书服务，过程略，可以参考下文件：http://www.iyunv.com/thread-59380-1-1.html1、将RADIUS服务器加入域，并以域账号登录，开始、运行MMCwKiom1U2cqyh27XRAADu8S...
FFB6D复现Bug
ChronoPrison的博客
03-12 7978
安装normalSpeed报错： By not providing “FindOpenCV.cmake” in CMAKE_MODULE_PATH this project has asked CMake to find a package configuration file provided by “OpenCV”, but CMake did not find one. Could not find a package configuration file provided by “OpenCV” (
记录使用FFB6D 物体6D位姿估计的效果
weixin_50161877的博客
01-09 855
使用港科技提出的2021CVPR oral的FFB6D，实现物体的精准6D位姿估计。
FFB6D
03-03
FFB6D 这是CVPR2021工作的官方源代码FFB6D：用于6D姿态估计的全流双向融合网络。 介绍 在这项工作中，我们本FFB6D，A F ULL F置为低乙idirectional融合网络从单个RGBD图像设计用于6D姿态估计。 我们的主要见解是RGB图像中的外观信息和深度图像中的几何信息是两个互补的数据源，如何充分利用它们仍然是未知的。 为此，我们提出了FFB6D，它可以学习将外观和几何信息相结合以进行表示学习以及输出表示选择。 具体来说，在表示学习阶段，我们在两个网络的完整流程中构建双向融合模块，其中将融合应用于每个编码和解码层。 这样，两个网络可以利用来自另一个网络的本地和全局补充信息来获得更好的表示。 此外，在输出表示阶段，我们设计了一种简单但有效的3D关键点选择算法，该算法考虑了对象的纹理和几何信息，从而简化了关键点的定位以进行精确的姿态估计。 实验结果表明，在几种基准测
FFB6D A Full Flow Bidirectional Fusion Network for 6D Pose EstimationFFB6D 6D 姿势估计的全流双向融合网络
轩辕霸天L
10-19 1064
在这项工作中，我们提出了 FFB6D，这是一种全流双向融合网络，专为从单个 RGBD 图像进行 6D 姿态估计而设计。我们的主要见解是 RGB 图像中的外观信息和深度图像中的几何信息是两个互补的数据源，如何充分利用它们仍然未知。为此，我们提出了 FFB6D，它学习结合外观和几何信息进行表示学习以及输出表示选择。具体来说，在表示学习阶段，我们在两个网络的全流程中构建双向融合模块，将融合应用于每个编码和解码层。通过这种方式，两个网络可以利用来自另一个网络的局部和全局互补信息来获得更好的表示。
论文解读《FFB6D: A Full Flow Bidirectional Fusion Network for 6D Pose Estimation》
ZYLer_的博客
10-30 1045
然后将提取的逐点特征馈送到实例语义分割和3D关键点投票检测模块中，以获得场景中的每个对象的3D关键点。具体而言：通过添加实例语义分割模块来区分不同的对象实例，并添加关键点投票模块来恢复三维关键点，从而获得每个对象的三维关键点。实例语义分割模块由语义分割模块和中心点投票模块组成，前者预测每点语义标签，后者学习每点到对象中心的偏移量，以区分不同的实例。这些点很难检测，估计姿态的精度降低。基于PVN3D的逐对象3D关键点检测，首先在场景中检测每个对象选择的3D关键点，然后利用最小二乘拟合算法恢复姿势参数。
FFB6D 项目使用教程
gitblog_00969的博客
08-16 412
FFB6D 项目使用教程 项目地址:https://gitcode.com/gh_mirrors/ff/FFB6D 项目介绍 FFB6D 是一个用于从单个 RGBD 图像进行 6D 姿态估计的全流双向融合网络。该项目在 CVPR2021 中被选为口头报告，并提供了官方源代码。FFB6D 的关键洞察在于，RGB 图像中的外观信息和深度图像中的几何信息是两种互补的数据源，而如何充分利用这些信息仍然是一...
FFB6D 论文阅读
weixin_49805002的博客
11-26 6000
简介部分 使用RGBD图像，融合RGB图像和深度图，是对DenseFusion的改进。 改进了融合模块，融合应用于每个编码和解码层 还提出了一种3D关键点选择方法，简化了关键点定位 作者认为先在RGB图像出估计初始位姿，再通过点云ICP（Posecnn）或multi-view hypothesis verification来优化非常耗时，而且使用不了端到端的RGB图像优化。 将RGB和点云分割开在某些情况下性能不佳，比如具有相似外观或具有反射表面的物体 孤立的CNN和PCN对这种情况都识别不出太好的结果，
BIMBase二次开发--搭建开发环境
weixin_43821256的博客
07-30 534
第一次进行BIMBase二次开发时，需要搭建开发环境，与Revit二次开发类似，很容易上手。接下来将介绍如何搭建BIMBase二次开发环境，开始BIMBase二开。
海思ffmpeg_海思 Camera | Hi3518EV300 环境搭建 （LiteOS）
weixin_39727743的博客
01-19 970
点击蓝字关注我们Hi3518EV300 作为新一代消费类 Camera SOC，集成新一代 ISP 以及业界最新的 H265 视频压缩编码器，在低码率、高画质等方面领先业界。集成 POR、RTC、Audio Codec，为客户极大降低 ebom 成本。本文主要是介绍在第一次拿到 Hi3518EV300 这颗 SOC 时需要做的准备活动，以及如何搭建环境，烧写镜像，配置虚拟网口等基本操作，...
【STM32-HAL库】一步步搭建出FOC矢量控制（附C代码）
热门推荐
电气chaochao的博客
11-16 6万+
说明 本文为无刷电机或PMSM电机驱动的简易代码，旨在分享一些个人调试过程的小心得，提供一个demo文件，程序仍有许多不完善的地方，建立起个人的FOC底层驱动，可以帮助快速熟悉FOC算法原理与使用方法，可以帮助验证新的电机控制算法。原理部分不再阐述。 整个部分共有PWM模块、ADC电流采集、定时器编码器配置、SVPWM模块、FOC核心、PID模块、电压限幅模块，其实有了PWM与SVPWM以及一些必要的数学变换，我们就可以开环使电机转起来了，加入电角度与电流采集作为反馈后，我们就能做到电流闭环，再加入速度PI
FFB6D复现过程记录
Joykkfgt的博客
04-15 1899
显卡：3080TIcuda 11.1。
6DoF位姿估计深度学习架构---以FFB6D算法为例（复现）
tpz789的博客
04-23 938
在位姿估计的学习过程中，发现不同算法的代码架构相差非常大，有的算法考虑通用性和可扩展性，进行了大量的模块化设计和继承，这对代码调试和复现工作带来很大麻烦。因此，为了便于算法复现与改进，本人参照yolov5s目标检测算法的架构，以FFB6D为示例（复现），数据集参考linemod格式，搭建了6DoF位姿估计深度学习架构。原则就是使用最基本的模块（函数）与最简单的构建方法。整个架构包含数据处理、网络搭建、损失计算、评价指标计算等。算法经测试是准确的。
环境配置总结
SummerOfFoam的博客
02-20 452
环境配置总结1.jdk环境配置2.nodeJS环境配置：3.安装yarn4.安装 Android Studio5.安装Git6.安装react Native命令行工具7.创建项目，根据官网步骤来8.安装Microsoft Visual C++ 2010 Redistributable Package 1.jdk环境配置 2.nodeJS环境配置： 参考：https://www.cnblogs.com/liuqiyun/p/8133904.html 配置npm淘宝镜像，提高下载速度 # 配置完成后所有的 n
FFB6D：引领6D姿态估计的新潮流
gitblog_00070的博客
05-19 447
FFB6D：引领6D姿态估计的新潮流 FFB6D 项目地址: https://gitcode.com/gh_mirrors/ff/FFB6D 项目介绍 FFB6D 是一个在 CVPR2021 上获得口头报告...
探索FFB6D：引领6D姿态估计的新潮流
最新发布
gitblog_00124的博客
08-16 582
探索FFB6D：引领6D姿态估计的新潮流 项目地址:https://gitcode.com/gh_mirrors/ff/FFB6D 在计算机视觉的众多领域中，6D姿态估计是一项关键技术，广泛应用于机器人导航、增强现实和自动驾驶等领域。今天，我们将深入探讨一款在CVPR2021上获得口头报告殊荣的开源项目——FFB6D，它以其独特的双向融合网络架构，为6D姿态估计领域带来了革命性的进步。 项目介绍 ...
normalSpeed安装
Vikanill的博客
04-14 1264
Ubuntu20.04 opencv4.5.5 python3.9 想试一下FFB6D作者用的normalSpeed，看了一下这个应该也是他们团队内做的。 GitHub - hfutcgncas/normalSpeed: A fast algorithm for comupting the normal of the depth img. And warp it by pybind11 as python3 interface. 一开始尝试在windows下安装，被.egg折磨了两天，不要给自.
评论 24
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值