【OpenPCDet ubantu18.04 nvidia 显卡3090 cuda11.3 pytorch cmake spconv pcdet PVRCNN 环境配置 】

PVRCNN ubantu18.04 CUDA11.3 pytorch 1.10.2

---

内容

主要是记录学习 OpenPCDet 中 PVRCNN 的环境配置，本文是在ubantu 18.04 环境下进行的一系列操作。OpenPCDet网址：https://github.com/open-mmlab/OpenPCDet

---

一、换源

这一步其实也挺重要的，当我们换好源后，对于我们后面下载一些文件的速度都很快，进一步节约我们的时间。具体做法如下：

1.直接在 软件与更新 里进行修改

这种方法事实上是比较简单的，但是好像不是很好用，仅个人意见。。。。。

2.终端代码进行换源

2.1 备份sources.list配置文件，以防止自己修改问题：

sudo cp /etc/apt/sources.list /etc/apt/sources_init.list

2.2 修改sources.list配置文件：

sudo vim /etc/apt/sources.list

2.2.1 可能没有vim 或者 vi 此时就要执行下载。

pip install vi

或者

pip install vim

附加vi的一些基本操作：
dd 删除行
delete 删除一个字符
:wq 保存后退出
:q! 直接强行退出
i 进入输入模式
Esc 退出输入模式

2.3 在文件最后增添一下内容：

##中科大源

deb https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

或者

## 阿里源
deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

2.3 执行下面命令，更新缓存：

sudo apt-get update
sudo apt-get upgrade

至此换源结束

二、NVIDIA CUDA

到cuda官网下载对应版本：

wget安装，用于下载网络的资源

sudo apt-get install wget

到cuda官网下载对应版本：

wget https://developer.download.nvidia.com/compute/cuda/11.6.1/local_installers/cuda_11.6.1_510.47.03_linux.runs

安装cuda

sudo sh cuda_11.6.1_510.47.03_linux.run

在接下来的命令行界面中输入accept，并选择install

添加环境变量：

sudo gedit ~/.bashrc

添加环境变量：

# added by cuda 11.6 installer
export PATH="/usr/local/cuda-11.6/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.6/lib64:$LD_LIBRARY_PATH"

添加完成，执行更新

source ~/.bashrc

检验安装版本

cat /usr/local/cuda/version.txt

或者，由于没有.txt文件

cat /usr/local/cuda/version.json

执行nvcc -V或者nvidia-smi
使用其他的查看方法，输出为cuda版本号为成功

三、Anaconda

这一块自己事实上并没有进行一些操作，自己所用的电脑已经安装好了，ubantu18.04的系统大家也可以在网上找到一些教程。

这边就放一下参考的做法。

1.下载anaconda

wget https://repo.anaconda.com/archive/Anaconda3-2020.07-Linux-x86_64.sh

2.安装anaconda

bash Anaconda3-2020.07-Linux-x86_64.sh

3.安装gedit

sudo apt install gedit

4.添加环境变量：

gedit ~/.bashrc

5.在文件中末尾粘贴下面的两行，保存退出：

#Anaconda
export PATH=$PATH:/root/anaconda3/bin

6.更新环境：

source ~/.bashrc

以上就是anaconda的一个基本安装方法

下面是创建单独的虚拟环境进行编译

7.用anaconda创建pcdet环境：

conda create -n pcdet python=3.7.7
conda activate pcdet

四、Pytorch

如果已有高版本的pytorch，可以运行以下命令卸载:

pip uninstall pytorch

首先激活conda环境

conda activate pcdet

下载并安装pytorch1.10.2 （找到对应版本下载）

pip3 install torch==1.10.2+cu113 torchvision==0.11.3+cu113 torchaudio==0.10.2+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

检验安装结果，输出为对应版本和True即为安装成功

python

import torch
print(torch.__version__)

torch.cuda.is_available()

四、Cmake

从cmake官网找到对应版本：
cmake-3.22.2-linux-x86_64.tar.gz
下载下来
或者

wget https://github.com/Kitware/CMake/releases/download/v3.22.2/cmake-3.22.2-linux-x86_64.tar.gz

在下载路径下解压，并创建软链接到opt路径（这步骤其实不是很理解，就按要求来）

cd cmake-3.22.2-linux-x86_64 #下载（或者自己的路径下）
tar zxvf cmake-3.22.2-Linux-x86_64.tar.gz
mv cmake-3.22.2-Linux-x86_64 /opt/cmake-3.22.2
ln -sf /opt/cmake-3.22.2/bin/*  /usr/bin/

检验是否安装成功，无报错即可：

cmake --version

四、Spconv

这一步要在安装完cmake和pytorch之后进行

这里自己遇到到了不少麻烦，如下;
在github上下载Spconv

git clone https://github.com/traveller59/spconv.git --recursive

如果没有git，运行

apt-get install git -y

安装libboost-all-dev：

sudo apt-get install aptitude
sudo aptitude install libboost-all-dev

安装

cd spconv
sudo python setup.py bdist_wheel

查看dist文件夹中生成的whl文件

cd ./dist
ls

下载该文件 ：

pip install spconv-1.2.1-cp36-cp36m-linux_x86_64.whl # 这里一般不一样，需要注意

检验spconv是否安装成功，无报错即可

python
import spconv

重点来了。重点重点
上面的一系列操作后都显示没有问题，但是在后面的操作还是会有各种错误，同时我们现在是可以

pip install spconv-cu113  # CUDA 11.3 (Linux Only)，注意对应版本，这个在[github](https://github.com/traveller59/spconv)上有说明

这种方法简单的多，不用使用轮子的安装

五、Pcdet

在github上下载OpenPCDet

git clone https://github.com/open-mmlab/OpenPCDet.git

或者直接下载压缩包，记得解压，同时要修改一下文件名，去掉master

进入到OpenPCDet目录下，安装所有依赖

cd OpenPCDet
pip install -r requirements.txt 

可能会超时，Read timed out，解决办法：
（我没有遇到）
下载命令后添加参数–default-timeout=1000

pip install -r requirements.txt --default-timeout=1000

运行setup.py来安装pcdet

sudo python setup.py develop 

这里出现了好几个错误，总是不能完成

sudo python setup.py develop 

检验是否安装成功，无报错即可

python 
import pcdet

这种方法简单的多，不用使用轮子的安装

六、运行demo.py

确定是否安装了mayavi

pip install mayavi

然后：

cd OpenPCDet/tools

pip install mayavi

# python demo.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml     --ckpt pv_rcnn_8369.pth     --data_path ${POINT_CLOUD_DATA}

说明： pv_rcnn_8369.pth 这个文件是要下载的，是一个训练好的权重文件。下载地址https://drive.google.com/file/d/1lIOq4Hxr0W3qsX83ilQv0nk1Cls6KAr-/view，这里需要fanqiang，大家注意一下，然后下载好的文件也放到tools文件夹下
data_path ${POINT_CLOUD_DATA} 这个是指你下载的kitti数据集的位置，这里也容易出错，大家要看好自己的数据是放在那里的，要是不行就尝试也tools下。文件放置位置及命名要注意一致，例如：把训练集的000008.bin文件放到data/kitti/training/velodyne，需要自己在tools文件夹中的data文件夹新建目录。

python demo.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml     --ckpt pv_rcnn_8369.pth     --data_path data/kitti/training/velodyne/000008.bin

或者这里我们按照这种格式，如我们的命令是

python demo.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml --ckpt pv_rcnn_8369.pth --data_path ../data/kitti/testing/velodyne/000090.bin 

报错提示没有装可视化界面：

pip install pyqt5

安装完成后再运行：

python demo.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml     --ckpt pv_rcnn_8369.pth     --data_path data/kitti/training/velodyne/000008.bin

段错误 解决参考：https://blog.csdn.net/fyc300/article/details/123318896?spm=1001.2014.3001.5502

显示结果

---

总结

总之在弄的时候会有各种小问题，就是慢慢来，急躁也不行，没有人可以一一指点，就是自己慢慢摸索，在网上到处找解决办法，记录一下，或许后面自己还能用到。