基于ROS的激光雷达点云物体检测

环境

RTX 2060(后面关于算力)

ubuntu 18.04

ROS melodic (ubuntu 18.04安装ROS melodic可以参看我这篇文章ubuntu 18.04安装ROS系统)

CUDA 10.0

cudnn 7.6.5

caffe

cmake 3.18.0(不能低于3.12.2)

opencv 3.4.3

安装

ubuntu 18.04、ROS melodic 、CUDA 10.0、cudnn 7.6.5安装在此就不赘述。

1、caffe安装

安装依赖项

复制代码
sudo apt-get install  -y libopencv-dev
sudo apt-get install -y build-essential cmake git pkg-config
sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install -y liblapack-dev
sudo apt-get install -y libatlas-base-dev 
sudo apt-get install -y --no-install-recommends libboost-all-dev
sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
sudo apt-get install -y python-numpy python-scipy
sudo apt-get install -y python3-pip
sudo apt-get install -y python3-numpy python3-scipy

下载caffe开源软件项目(一定要在下载到home文件目录下

复制代码
cd ~
git clone https://gitee.com/hejuncheng1/caffe.git

进入caffe/python/目录下,执行下面的命令,下载依赖的软件 。

复制代码
cd caffe/python/
for req in $(cat requirements.txt); do pip3 install $req; done

下载到Downloads下

复制代码
git clone https://github.com/AbangLZU/cnn_seg_lidar.git

将下载下来源码里面的Makefile.config复制到caffe文件夹下

更改Makefile.config里面的部分内容

复制代码
改为(这部分算力根据自己显卡型号来哈):
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
             -gencode arch=compute_35,code=sm_35 \
             -gencode arch=compute_50,code=sm_50 \
             -gencode arch=compute_52,code=sm_52 \
             -gencode arch=compute_60,code=sm_60 \
             -gencode arch=compute_61,code=sm_61 \
             -gencode arch=compute_61,code=compute_61

改为(根据自己OpenCV版本来,我的是3.2.0):

复制代码
#OPENCV_VERSION :=3
改为
OPENCV_VERSION :=3

编译caffe

复制代码
make -j8
make distribute

再编译本项目

首先要对源码做一部分修改(修改数据的topic,以便检测算法能读取数据):

修改**cnn_seg_lidar/src/lidar_cnn_seg_detect/nodes/cnn_segmentation.cpp**

修改完后就可以在项目文件夹cnn_seg_lidar下编译了:

复制代码
catkin_make

报错:

相关推荐
2401_8588698013 小时前
目标检测2
人工智能·目标检测·计算机视觉
ARM+FPGA+AI工业主板定制专家14 小时前
基于ZYNQ的目标检测算法硬件加速器优化设计
人工智能·目标检测·计算机视觉·fpga开发·自动驾驶
Blossom.11815 小时前
把AI“撒”进农田:基于极值量化与状态机的1KB边缘灌溉决策树
人工智能·python·深度学习·算法·目标检测·决策树·机器学习
dlraba8021 天前
YOLOv3:目标检测领域的经典之作
人工智能·yolo·目标检测
ygyqinghuan1 天前
读懂目标检测
人工智能·目标检测·目标跟踪
通信小呆呆1 天前
收发分离多基地雷达椭圆联合定位:原理、算法与误差分析
算法·目标检测·信息与通信·信号处理
CoookeCola2 天前
MovieNet(A holistic dataset for movie understanding) :面向电影理解的多模态综合数据集与工具链
数据仓库·人工智能·目标检测·计算机视觉·数据挖掘
禾昂.2 天前
从 YOLO V1 到 V2:目标检测领域的一次关键技术迭代
yolo·目标检测·目标跟踪
应用市场2 天前
OpenCV深度学习:目标检测、人脸识别与智能视频分
深度学习·opencv·目标检测
OAFD.3 天前
YOLOv3 详解:核心改进、网络架构与目标检测实践
网络·yolo·目标检测