【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++

课题涉及到点云语义分割,最近配置运行了RangeNet++,复现过程中,GPU加速工具配置较为头疼,所以做一个全面的记录,包括一些编译报错和踩坑的总结,与大家分享(纯小白)

本文代码Github地址:https://github.com/PRBonn/rangenet_lib
原文地址:https://www.ipb.uni-bonn.de/wp-content/papercite-data/pdf/milioto2019iros.pdf

目录

  • 1、环境配置
    • 1.1 笔者环境(亲测可用)
    • 1.2 Cuda10.1安装
    • 1.3 cudnn 7.6.2安装
    • 1.4 TensorRT 5.1.5安装
  • 2、RangeNet++源码编译
  • 3、运行demo

1、环境配置

1.1 笔者环境(亲测可用)

Ubuntu18.04
GPU:GTX1060 6GB
驱动:Ubuntu推荐的nvidia-driver-470
Cuda10.1 + cudnn7.6.2 + TensorRT 5.1.5.0+GCC 7
接下来对本文GPU加速工具的配置做个总结

1.2 Cuda10.1安装

官网下载:https://developer.nvidia.com/cuda-toolkit-archive

(1)选择CUDA Toolkit 10.1 update2
【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第1张图片
(2)选择自己的配置,依照Base Installer命令安装(注意选择runfile
【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第2张图片
(3)开始安装,取消安装驱动,其余默认(y)安装
【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第3张图片
(4)安装完成【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第4张图片
(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

【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第5张图片

1.3 cudnn 7.6.2安装

官网下载(需要登陆):https://developer.nvidia.com/cudnn

(1) 选择与Cuda对应的版本下载(cudnn7.6.2)
【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第6张图片
(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

【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第7张图片

1.4 TensorRT 5.1.5安装

官网下载地址:https://developer.nvidia.com/nvidia-tensorrt-download
(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:
【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第8张图片
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。

(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

#在TensorRt目录文件夹下,cd到sample文件夹下
sudo make
cd ../bin
./sample_int8 mnist

输出如下结果则安装成功!

(9)如果还要用Python接口:

#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

python3
import tensorrt
tensorrt.__version__
#输出'5.1.5.0'则安装成功!

2、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 pip install catkin_tools trollius numpy

(3)使用 catkin 工具来构建库,终端打开:

mkdir -p ~/catkin_ws/src
cd ~/catkin_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)笔者编译报错
注意gcc和g++版本(我的是gcc-7,可以编译通过)
报错如下:
“–can not be used when making a PIE object; recompile with -fPIC”
“最后的链结失败:输出不可表示的节”
【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第9张图片
原因:推断故障在连接程序上。从Ubuntu16.04版本开始默认启用PIE了,但makefile里不支持PIE导致报错。 专门的静态库“libmbedcrypto.a”曾经在没有选项“fPIC”的情况下编译过,但目前的系统编译器肯定会打开这个功能,所以提示建议使用-fPIC重新编译。

解决:在rangenet_libz的 “CMakeLists.txt” 中,添加下一个命令行,将“-fPIC”更改为“-no-pie”,如下所示:

set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11 -O2 -fopenmp -w -no-pie")

【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第10张图片
修改后保存,重新catkin编译

(5)编译通过
【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第11张图片

3、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 ~/catkin_ws
# -p后是预训练模型路径、-s后是要预测点云.bin demo路径
./devel/lib/rangenet_lib/infer -p /path/to/the/pretrained/model -s /path/to/the/scan.bin --verbose

(3)结果展示
【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++_第12张图片
视频展示:https://www.bilibili.com/video/BV1vY411M7ry?spm_id_from=333.999.0.0
至此RangeNet++配置运行完成,感谢阅读!

参考致谢:
https://zongxp.blog.csdn.net/article/details/86077553
https://blog.csdn.net/mathlxj/article/details/107810548
https://blog.csdn.net/weixin_44793883/article/details/120659876
https://blog.csdn.net/pei327586354/article/details/122371524
https://blog.csdn.net/hanyulongseucas/article/details/87715186
https://blog.csdn.net/qq_33530592/article/details/106011826

你可能感兴趣的:(语义分割,深度学习,人工智能,ubuntu,c++)