复现运行GraspNet中的demo.py

果园子

已于 2024-03-27 21:10:25 修改

阅读量580

点赞数 3

文章标签：学习 ubuntu 人工智能

于 2024-03-27 20:53:15 首次发布

本文链接：https://blog.csdn.net/weixin_49663860/article/details/137088764

版权

一、系统：GeForce RTX 2060，Ubuntu20.04，显卡驱动525（对应cuda12.0）(系统显卡查看方法： lspci | grep VGA )

1. 下载graspnet-baseline

git clone https://github.com/graspnet/graspnet-baseline.git

cd graspnet-baseline

pip install -r requirement.txt

git clone https://github.com/graspnet/graspnetAPI.git

cd graspnetAPI

pip install .

pip install graspnetAPI

cd pointnet2

python setup.py install

10.

cd knn

11.

python setup.py install

12.下载tolerance以及预训练权重；

下载tolerance

1.从 Google Drive/Baidu Pan 下载

2.mv tolerance.tar dataset/

3.cd dataset

4.tar -xvf tolerance.tar

下载预训练权重

checkpoint-rs.tar [谷歌云端硬盘] [百度盘]

checkpoint-kn.tar [谷歌云端硬盘] [百度盘]

checkpoint-rs.tar和checkpoint-kn.tar是分别使用 RealSense 数据和 Kinect 数据进行训练。

13.在demo.py中加载预训练权重

14.运行demo.py

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

果园子

关注关注

3
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
复现运行GraspNet中的demo.py

1. 下载graspnet-baseline。
复制链接

扫一扫

复现deep_sort_yolov3--demo.py

聿默的博客

06-11

1214

0.环境 opencv-python==4.1.0.25 Pillow scikit-learn==0.19.2 numpy==1.15.0 keras==2.2.4 tensorflow==1.12.0 imutils 1.修改 1.1 在deep_sort添加videocaptureasync.py import threading import cv2 class VideoCaptureAsync: def __init__(self, src=0, width=640,

机器学习+深度学习论文复现（垃圾版）.rar

01-04

总的来说，这个压缩包内容反映了作者对机器学习和深度学习的系统学习，以及在实际项目中应用这些知识进行论文复现和作业完成的过程。通过这些材料，我们可以深入理解相关技术，同时也能了解到如何将理论知识应用于...

参与评论您还未登录，请先登录后发表或查看评论

复现graspnet并使用自己的数据实现（pycharm）

zhuanzhuxuexi的博客

08-02

6315

使用realsensel515实感相机，使用数据线连接电脑realsensel515相机参数factor_depth 4000 深度转换值intrinsic_matrix 相机内部参数1351.720979.2601352.93556.038001。

graspnet-baseline 复现问题总结

SiriusasBlack的博客

02-05

991

除此以外，由于我的显卡算力是8.6，pytorch版本有点低，编译时会出现nvcc fatal，需要在knn里的setup.py里进行修改，而且实测gpu-architecture不能修改成compute_86,最高只能到compute_80。首先说明，graspnet-baseline是一个非常不错的robotic grasping pipeline, 只要深度图是对的，那么它就可以根据生成的点云检测正确的抓取点。需要把保存的文件里的numpy.float都修改成numpy.float64，一共两处。

基于GraspNet熟悉点云抓取代码的处理逻辑

最新发布

weixin_50557558的博客

06-04

788

基于GraspNet熟悉点云抓取代码的处理逻辑

win10配置GraspNet（亲测可用）

千羽的计算机视觉与机器人

03-23

2789

1 GraspNet下载地址 https://github.com/graspnet/graspnet-baseline 2 win10环境显卡 2080S cuda 10.1 update 2 python 3.6 torch 1.6 其他按照GraspNet的需求安装

GraspNet：一种用于低功耗器件抓取实时检测的高效卷积神经网络

天道酬勤

12-27

4346

GraspNet: An Efficient Convolutional Neural Network for Real-time Grasp Detection for Low-powered Devices 会议：(IJCAI-2018年) 文章链接摘要：最近关于抓取检测的研究主要集中在通过深度CNN模型来提高准确度，但这是以牺牲大量内存和计算资源为代价的。在本文中，我们提出了一种高效的CNN结构，该结构

GraspNet 通用物品抓取数据集

qq_38056431的博客

03-01

8513

GraspNet 通用物品抓取数据集 GraspNet 是一个通用物品抓取的开源项目，现包含 GraspNet-1Biliion：使用平行爪进行抓取 SuctionNet-1Billion：使用吸盘进行抓取下面就 GraspNet-1Billion 展开介绍 GraspNet-1Billion 物体抓取计算机视觉领域很具有挑战性的研究课题，也是人工智能可以直接影响现实生活的应用。目前对于简单背景、单个物体的研究精度基本达标，但对于拥挤场景研究较为缺乏。究其原因，一是训练数据不足，而是没有一个统一的评价

GPD(Grasp Pose Detection) master/forward复现的问题记录（非法指令(核心已转储)/fatal error:gpd/detect_grasps.h）

Thinkin9的博客

01-10

1523

最近在学习GPD(Grasp Pose Detection)，我分别对两个版本的GPD进行编译，复现过程中碰见不少问题。请各位大佬不吝赐教。

复现YOLOv8-方法2 setup.py：推荐.pdf自己踩了很多坑，强烈推荐这个方法

11-27

复现YOLOv8意味着在本地环境中从源代码构建并运行该模型，这通常涉及到安装必要的依赖库、设置合适的硬件环境以及正确配置项目结构。本文将详细介绍如何在Python环境中复现YOLOv8，特别关注在安装过程中可能遇到的...

【GraspNet复现】

qq_42699973的博客

05-27

1118

graspnnet

复现GraspNet遇到的问题-解决方法！

weixin_49663860的博客

03-22

915

复现GraspNet网络遇到的三个问题详解！！

Ubuntu20.04下GraspNet复现流程

Shen Mu Xin's Blog

05-07

1610

🚀🚀详细的信息如下：笔者在复现的过程中遇到了许多的坑，现在记录一下，来帮助希望也能够复现的同学。

GraspNet-1Billion中graspnet结构

hkx11111的博客

03-01

832

GraspNet-1Billion中graspnet结构

GraspNet-baseline复现----Linux-Ubuntu

weixin_45622961的博客

03-16

1012

注意Tolerance Label可以运行command_generate_tolerance_label.sh生成，或者直接从云盘里下载后解压，放到dataset文件夹。PyTorch的版本对Cuda和Python的版本都有依赖，所以基本步骤是确定需要安装的PyTorch版本 —> 通过。文件，将 ”logs/log_kn/checkpoint.tar“ 改为自己的权重文件路径。确定对应的cuda版本和python版本 —> 创建虚拟环境配置环境。根据github上的来。执行示例demo脚本。

graspnet复现保姆级教程

maoxinfeng的专栏

04-29

653

显卡驱动：Driver Version：470.239.06CUDA版本（作者使用的是10.0.221）根据CUDA版本确定cudnn（）版本根据CUDA和cudnn版本下载对应的pytorch版本python==3.7.16（必须大于等于3.6）pytorch==1.7.0（需求文档里的pytorch是1.6.0版本，两个版本都可以使用，这里我用的1.7.0）GPU名称：NVIDIA GeForce MX150当前显卡的CUDA算力：61。

graspnet+Astra2相机实现部署

Shen Mu Xin's Blog

05-23

826

graspnet部署到Astra2相机上

GraspNet-1Billion

weixin_50920579的博客

02-01

1556

然后，类似于抓取标注的生成过程，在给定不同的µ的情况下，我们可以通过力闭合度量得到每个抓取姿势的二进制标签。这些图像是从190个杂乱的场景中收集的，每个场景都贡献了两个不同摄像头拍摄的512张RGB-D图像，总共带来了97,280张图像。测试集中30个用于见过的物体，30个用于没见过但相似的物体，30个用于新物体。组合M个（3+c）和M个（2+v）--生成圆柱形的抓取区域，每个区域里ni个抓取点（ni*（3+c））3.此外，为了提高抓取姿态的抗扰性，提出了抓取亲和场的新表示法，使网络具有较强的抗扰动能力。

（1）在同一文件夹下构建“demo1.py”和“demo2.py”，在“demo1.py”中导入（import） demo2模块；（2）在“demo1.py”和“demo2.py”中分别加入主函数入口，即“if name == 'main'”，体会其具体作用；（3）在“demo1.py”所在的目录下新建目录“folder”，并将“demo2.py”移至该新建的目录下，复现实现实验（1）、（2）中所述过程，实验当导入模块位于不同路径下的具体解决方案；（4）实验在主模块中调用其它模块中的函数及变量。代码实现

05-30

好的，以下是代码实现：（1）在同一文件夹下构建“demo1.py”和“demo2.py”，在“demo1.py”中导入（import）demo2模块。 demo1.py： ```python import demo2 def main(): print('This is demo1.py') if __name__ == '__main__': main() ``` demo2.py： ```python def func1(): print('This is func1 in demo2.py') def var1(): print('This is var1 in demo2.py') if __name__ == '__main__': func1() var1() ``` （2）在“demo1.py”和“demo2.py”中分别加入主函数入口，即“if name == 'main'”，体会其具体作用。已在上述代码中实现。（3）在“demo1.py”所在的目录下新建目录“folder”，并将“demo2.py”移至该新建的目录下，复现实现实验（1）、（2）中所述过程，实验当导入模块位于不同路径下的具体解决方案。修改后的目录结构如下： ``` - main_folder - demo1.py - folder - demo2.py ``` 修改后的代码如下： demo1.py： ```python from folder import demo2 def main(): demo2.func1() if __name__ == '__main__': main() ``` demo2.py： ```python def func1(): print('This is func1 in demo2.py') def var1(): print('This is var1 in demo2.py') if __name__ == '__main__': func1() var1() ``` （4）实验在主模块中调用其它模块中的函数及变量。在上述修改后的代码中，我们在“demo1.py”中使用“from folder import demo2”语句导入“demo2.py”模块，然后可以使用“demo2.func1()”的方式来调用“demo2.py”模块中的函数。注意，如果“demo2.py”中有多个函数或变量需要调用，需要在“demo1.py”中分别使用“from folder.demo2 import func1”或“from folder.demo2 import var1”语句来导入。