Ubuntu20.04中复现FoundationPose

Ubuntu20.04中复现FoundationPose

文章目录

🚀 非常重要的环境配置 🚀

  • ubuntu 20.04
  • cuda 11.8.0
  • cudnn v8.9.7
  • python 3.9.19
  • torch 2.0.0
  • 显卡RTX 4060 ti

详细信息如下所示:

1.安装cuda和cudnn

具体可以参考这篇:ubuntu配置多版本cuda+cudnn环境,及版本切换方法

2.下载相关资源

  • 下载仓库
sh 复制代码
git clone https://github.com/NVlabs/FoundationPose.git
  • 下载网络权重,并解压到weights/目录中
  • 下载demo数据,并解压到demo_data/目录中
  • 【可选】下载大规模的数据集:FoundationPose Dataset
  • 【可选】在此处下载我们预处理的参考视图,以便运行model-free的小样本版本。

3.环境配置

首先安装anaconda或者miniconda,具体可以参考这篇:【Linux】Ubuntu20.04版本配置pytorch环境2023.09.05【教程】

  1. 手动安装eigen3到系统
bash 复制代码
cd $HOME && wget -q https://gitlab.com/libeigen/eigen/-/archive/3.4.0/eigen-3.4.0.tar.gz && \
tar -xzf eigen-3.4.0.tar.gz && \
cd eigen-3.4.0 && mkdir build && cd build
cmake .. -Wno-dev -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS=-std=c++14 ..
sudo make install
cd $HOME && rm -rf eigen-3.4.0 eigen-3.4.0.tar.gz
  1. 创建conda环境并安装依赖
bash 复制代码
# create conda environment
conda create -n foundationpose python=3.9

# activate conda environment
conda activate foundationpose

# Install Eigen3 3.4.0 under conda environment
conda install conda-forge::eigen=3.4.0
export CMAKE_PREFIX_PATH="$CMAKE_PREFIX_PATH:/eigen/path/under/conda"

# install dependencies
python -m pip install -r requirements.txt

# Install NVDiffRast
python -m pip install --quiet --no-cache-dir git+https://github.com/NVlabs/nvdiffrast.git

# Kaolin (Optional, needed if running model-free setup)
python -m pip install --quiet --no-cache-dir kaolin==0.15.0 -f https://nvidia-kaolin.s3.us-east-2.amazonaws.com/torch-2.0.0_cu118.html

# PyTorch3D
python -m pip install --quiet --no-index --no-cache-dir pytorch3d -f https://dl.fbaipublicfiles.com/pytorch3d/packaging/wheels/py39_cu118_pyt200/download.html

# Build extensions
CMAKE_PREFIX_PATH=$CONDA_PREFIX/lib/python3.9/site-packages/pybind11/share/cmake/pybind11 bash build_all_conda.sh

4.运行model-based demo

如果配置过程中都没有问题,那么可以直接运行demo

sh 复制代码
python rum_demo.py

效果如下所示:

5.运行ycbv demo

首先下载ycbv数据集,链接如下:https://huggingface.co/datasets/bop-benchmark/datasets/tree/main/ycbv,数据集的大小是100GB左右

...待补充...

Reference

1\][FoundationPose: Unified 6D Pose Estimation and Tracking of Novel Objects](https://nvlabs.github.io/FoundationPose/) \[2\][FoundationPose复现及Realsense应用](https://blog.csdn.net/m0_56661101/article/details/137921028) \[3\][【6D位姿估计】数据集汇总 BOP](https://blog.csdn.net/qq_41204464/article/details/138500988)

相关推荐
小O的算法实验室1 天前
2024年IEEE TII SCI1区TOP,面向动态多目标多AUV路径规划的协同进化计算算法,深度解析+性能实测
算法·论文复现·智能算法·智能算法改进
小O的算法实验室3 天前
2026年IEEE TAI,基于代理辅助双层优化的多次访问协同卡车-无人机路径规划,深度解析+性能实测
算法·论文复现·智能算法·智能算法改进
小O的算法实验室5 天前
2026年IEEE TCYB SCI1区TOP,少即是多:一种用于大规模优化的小规模学习粒子群算法,深度解析+性能实测
算法·论文复现·智能算法·智能算法改进
小O的算法实验室6 天前
2026年IEEE RAL SCI2区,基于熵的多无人机持续监测增量覆盖路径规划,深度解析+性能实测
无人机·论文复现·智能算法·智能算法改进
小O的算法实验室7 天前
2025年AEI SCI1区TOP,面向城市区域监视的任务驱动多无人机路径规划三阶段优化策略,深度解析+性能实测
算法·论文复现·智能算法·智能算法改进
小O的算法实验室7 天前
2026年SEVC SCI2区,面向无人机路径规划的领域专用算子进化算法,深度解析+性能实测
算法·论文复现·智能算法·智能算法改进
小O的算法实验室10 天前
2026年IEEE IOTJ SCI2区TOP,面向关键节点感知的灾害区域无人机集群路径规划,深度解析+性能实测
算法·无人机·论文复现·智能算法·智能算法改进
小O的算法实验室11 天前
2026年RESS SCI1区TOP,复杂海上救援环境下无人机集群双阶段协同路径规划与任务分配,深度解析+性能实测
论文复现·智能算法·智能算法改进
小O的算法实验室12 天前
2026年IEEE TASE SCI2区,基于熵引导局部规划的多无人机自适应协同探索方法,深度解析+性能实测
算法·论文复现·智能算法·智能算法改进
小O的算法实验室13 天前
2026年CIE SCI2区TOP,用于地质灾害监测的配备自主对接站的无人机多航次路径规划,深度解析+性能实测
算法·论文复现·智能算法·智能算法改进