Lidar AI Solution 环境配置指南

2020-08-10

Lidar AI Solution 环境配置指南

本文档旨在为 Lidar AI Solution 项目的环境配置提供详细的步骤和指导。通过本指南，您将能够顺利配置项目所需的环境，并开始使用 Lidar AI Solution 进行相关开发和研究。

项目概述

Lidar AI Solution 项目为自动驾驶中的 3D-Lidar 技术提供了一个高性能的解决方案。该项目在加速 sparse convolution、CenterPoint、BEVFusion 等方面表现出色，适用于多种自动驾驶场景。

环境配置步骤

1. 系统要求

  • 操作系统：Ubuntu 20.04
  • 显卡：RTX 3060
  • 显卡驱动：510.108.03
  • CUDA：11.6
  • cuDNN：8.4.0
  • TensorRT：8.4.1

2. 项目拉取

确保按照以下步骤完整拉取项目：

sudo apt-get install git-lfs
git clone --recursive https://github.com/NVIDIA-AI-IOT/Lidar_AI_Solution
cd Lidar_AI_Solution

注意：完整拉取项目非常重要，后续的问题基本上都是因为没有完整拉取整个项目所导致的。

3. 环境配置

3.1 CUDA-BEVFusion

  1. 下载模型和数据

    从指定链接下载模型和数据到 CUDA-BEVFusion 文件夹，并解压。

  2. 配置环境

    修改 environment.sh 文件，设置 TensorRT、CUDA、CUDNN 的路径。

  3. 编译运行

    执行以下命令进行编译和运行：

    bash tool/build_trt_engine.sh
bash tool/run.sh

3.2 CUDA-CenterPoint

  1. 模型和数据

    使用 nuScenes Dataset 中的激光雷达数据，onnx 模型可以通过给定的脚本从 checkpoint 中导出。

  2. 前置条件

    确保安装了 CUDA、TensorRT、libspconv 库。

  3. 编译运行

    修改 CMakeLists.txt 文件，设置 TensorRT 和 CUDA 的路径，然后执行以下命令：

    bash tool/build_trt.sh
mkdir -p build && cd build
cmake .. && make -j
./centerpoint /data/test/ --verbose

3.3 CUDA-PointPillars

  1. 模型和数据

    使用 KITTI 数据集中的激光雷达数据，onnx 文件可以通过脚本从预训练模型中导出。

  2. 前置条件

    确保安装了 TensorRT、CUDA 以及 TensorRT 中的 PillarScatter layer 插件。

  3. 编译运行

    修改 CMakeLists.txt 文件，设置 TensorRT 的路径，然后执行以下命令：

    mkdir -p build && cd build
cmake .. && make -j

常见问题

  1. 问题1：/usr/bin/ld：cannot find -lspconv

    解决办法：确保完整拉取整个项目。

  2. 问题2：/libspconv.so：file format not recognized

    解决办法：确保完整拉取整个项目。

结语

通过以上步骤，您应该能够成功配置 Lidar AI Solution 项目的环境，并开始进行相关开发和研究。如果在配置过程中遇到任何问题，请参考项目文档或相关社区寻求帮助。

下载链接

LidarAISolution环境配置指南