CenterTrack复现步骤和问题汇总

工程路径：link

准备工作：
在CenterTrack/readme/INSTALL.md中查看工程依赖的环境要求。

在按照作者给出的环境配置步骤操作之前，强烈建议先去git issue页面看一下是否有关于环境配置的相关提问和解决方案，尤其是跟自己当前的系统配置相似的issue。

整个环境我断断续续配置了两天时间（一部分原因是网速慢）才完成，其中大部分的问题都是可以先读issue来避免踩坑的。

因此，以下是最终能够成功运行的配置步骤：

步骤一：
为了不破坏公用的服务器环境，依旧采用单独的镜像来维护不同项目所需的环境配置。依据作者的环境建议和我当前项目的情况，采用了cuda10.0+cudnn7+ubuntu18.04这样的配置。

在DockerHublink上找到相应的镜像，然后下载该镜像：

docker pull nvidia/cuda:10.0-cudnn7-devel-ubuntu18.04

步骤二：
完成镜像的下载之后，运行该镜像。并在镜像中查看是否能够正常访问cuda驱动以及cudnn版本。
运行nvidia-smi，看到cuda驱动版本为10.2

运行nvcc --version，查看当前安装的cuda版本为10.0

步骤三：
下载ubuntu下的Anaconda安装文件，然后在镜像中进行安装：

bash Anaconda3-2020.11-Linux-x86_64.sh

【注意】：在对镜像文件进行修改时，应及时commit镜像的更新。

安装完Anaconda之后，需要先退出当前的镜像终端（不用关闭镜像），然后再重新进入。这样Anaconda才能生效。在终端运行conda list来确认是否安装成功。

步骤四：
参考CenterTrack/readme/INSTALL.md中的【步骤0】完成python环境的配置。

步骤五：
安装pytorch。这个一步需要特别注意版本的问题。我最开始按照作者给出的conda install pytorch torchvision -c pytorch 这个命令安装就出现了一系列的问题，因为这个conda命令默认安装出来的是cpu版本的pytorch。后来在排查问题的时候在git issue中找到了答案，参考link。

如果安装的pytorch版本有问题，就会出现这样的错误提示。

No module named 'torchvision.models.utils

另外在参考了git issue上关于pytorch版本相关的话题之后，我最后选择安装pytorch 1.4.0，torchvision 0.5.0这个版本。

pip install torch==1.4.0+cu100 torchvision==0.5.0+cu100 -f https://download.pytorch.org/whl/torch_stable.html

安装完pytorch之后可以运行python，并查看一下所安装的pytorch版本对不对。
进入python，输入如下命令：

import torch
print(torch.__version__)

步骤六：
完成pytorch的安装之后就可以进行作者给出的【步骤2】～【步骤6】的复现了。这里需要注意的是，在install the requirements 这一步需要先打开工程里的requirements.txt这个文件，注释掉nuscenes-devkit这个库的安装，这个库会将pytorch更新到最新的版本（好像是1.7.0）。

如果采用的镜像跟我的一致，那还会遇到以下一些镜像环境问题：

（1）镜像中没有安装pip
在镜像中运行：

apt-get update
apt-get install pip

（2）找不到libGL.so.1

参考这个链接link进行安装。

（3）找不到Libgthread-2.0.so.0

参考这个链接link进行安装。

步骤七：
这一步主要是解决运行工程时不能显示图片的问题。
(1) 因为我的服务器没有外接显示，且ssh 登录用-X也没搞定，运行demo的时候会报如下的错误。

最后决定采用作者提供的--save_video来将demo的推理结果存到视频文件中。需要先修改工程中与cv2.imshow和cv2.waitKey相关的代码。需要修改demo.py和lib/utils/debugger.py这两个文件中的代码，参考下面的git diff信息。


该问题可以参考这两个链接：
git issue 1: link
git issue 2: link

(2）采用--save_video之后发现，没有在results文件夹下生成视频文件。这是因为pip安装的opencv不支持H264格式的视频输出（版权问题link）。截图中可以看到报了”codec id 27: Encoder not found“ 的错误，但是不影响工程的运行。

因此，还需要对demo.py文件做一个小修改，直接保存单张图片，绕过写视频这个问题。git diff信息如下。

最后惯例贴个图：
运行Demo：

python demo.py tracking,ddd --load_model ../models/nuScenes_3Dtracking.pth --dataset nuscenes --pre_hm --track_thresh 0.1 --demo ../videos/nuscenes_mini.mp4 --test_focal_length 633 --save_video --video_h 448 --video_w 800

至此，demo算是跑起来了。我尝试去在自己的图像数据上跑demo的模型，发现推理出来的检测跟踪框跟图片中实际的目标位置差的有点远。问题还在排查中。