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
BYSJMG7 天前
计算机毕业设计选题推荐:【基于深度学习的车辆损坏严重程度评估方法研究】ResNet50 图像分类
人工智能·深度学习·目标检测·机器学习·计算机视觉·分类·课程设计
BYSJMG7 天前
计算机毕业设计选题推荐|【基于深度学习的电梯电动车违规进入检测研究】YOLO26m+可视化大屏
人工智能·深度学习·神经网络·目标检测·机器学习·计算机视觉·课程设计
数据集_深度学习9 天前
果园红绿苹果目标检测数据集介绍和论文参考
人工智能·目标检测
微尘hjx10 天前
【Deep-OC-SORT 06】多轨迹算法Deep-OC-SORT-CMC相机运动补偿
yolo·目标检测·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计
电科_银尘12 天前
【深度学习项目实战·17】行人目标检测:用Faster R-CNN找出图片中的行人
深度学习·目标检测·r语言
AI日报派送佬15 天前
高效目标检测利器:X-AnyLabeling 加载自定义 YOLO 模型自动标注实操指南
人工智能·yolo·目标检测
qq_252941316816 天前
日本道路病害检测数据集 | 道路病害 裂缝检测 坑洼识别 市政巡检9287期
人工智能·深度学习·yolo·目标检测·计算机视觉·道路检测
qq_252941316816 天前
伊蚊检测数据集 | 伊蚊检测 病媒生物 公共卫生 目标检测9304期
人工智能·yolo·目标检测·计算机视觉·蚊子·尹蚊
计算机毕业编程指导师16 天前
基于深度学习的光伏组件红外图像缺陷识别系统设计与实现
人工智能·python·深度学习·目标检测·毕业设计·课程设计·光伏
A7bert77716 天前
【MobileSAM部署至RK3588】环境适配→转换RKNN→开发板部署
c++·人工智能·深度学习·目标检测·ubuntu