Ubuntu 22.04从零开始安装Openpcdet 0.6.0——详细记录过程（含4090+CUDA11.8）
个人搭环境过程，仅供参考。
一、前言
A、云平台安装和本地安装的差异：
之前在几个云平台上的1w算力豆已经用光了，所以这次本地选择本地安装Pcdet。
两者安装过程有很大差异，因为九天毕昇云平台使用的是CUDA10.1，且没办法改动，导致pcdet 只能安装0.3.2，且只能选择较低的版本的第三方库：torch1.6.0，spconv：1.2.1（相当难安装）。
九天毕昇云平台安装过程，详见我之前的博客：
https://blog.csdn.net/weixin_44013732/article/details/126030624B、改动：
本地安装可以选择更多的CUDA版本，本次安装遵循以下博客做以改动（因为他安装的是pcdet0.5.2，咱们是pcdet0.6.0）：
本文全程记录安装过程，部分过程可能因为手滑而关掉对话框，没有记录到，或者有其他问题，需要各位自己去搜一下(ง •_•)ง。
废话不多说，现在开始准备安装：
1、PCDET 0.6.0版本配置：
显卡：4090和1660s（两个环境都安装了，没有问题）
CUDA ：11.1
spconv：spconv-cu111 2.1.25
python：3.8（最低要求）
torch：1.9.1+cu111 （最低要求）
torchvision：0.10.1+cu111 （最低要求）
配置时，需要注意以下几点：
①不能使用python3.7安装：我尝试过python3.7安装pcdet，但是里面第三方库‘av2’最少需要python3.8版本以上：
提示到：Requires-Python >=3.8，说明没有适配python3.7的‘av2’。
②不能使用torch1.9.1以下的版本安装，否则安装korina时会遇到如下提示：
上面是安装完torch1.8.1的提示：kornia 0.6.12 requires torch>=1.9.1。是因为它的requirement.txt文件中要求torch>=1.9.1。
当然，你也可以选择安装低版本的kornia进行安装，我没有尝试过。
2、相关文件
本次所有相关的安装文件都打包好了，省的跳来跳去：
百度云
https://pan.baidu.com/s/1POcv5KO-nQQgBcKra1mdIg?pwd=6666
有些文件是用不到的，你们看着选就可以，下面会讲到。
二、安装过程
1、安装Ubuntu
参照：Ubuntu安装详细教程
Ubuntu镜像文件在这里：Ubuntuhttps://pan.baidu.com/s/1xoy4Kp995B7E6Q4LXyqW4g?pwd=6666%C2%A0
镜像官网：Ubuntu桌面系统镜像
这里，我安装的Win11+Ubuntu22.04双系统。
2、Ubuntu驱动
（1）检查驱动
首先检查一下自己的电脑，是否可以使用驱动，命令如下：
nvidia-smi如果显示是这样的，可以直接跳过整个步骤2：
报错结果如果没有驱动，则报错结果大致如下：
NVIDIA-SMI has failed because it couldn’t communicate with the NIVIDIA driver.
Make sure that the latest NVIDIA driver is installed and running.
（2）安装驱动driver
我们使用Ubuntu自带的：“软件与更新”去安装：
①进入“软件与更新”。
②附加驱动中，可以选择nvidia-driver-525。
具体多少得试，如果driver版本过高，可能会导致WiFi适配器不能使用，具体可参照：④。
③重启一下，就可以用啦(￣▽￣)"
参考：Ubuntu20.04下CUDA、cuDNN的详细安装与配置过程（图文）
④报错：没有WIFI适配器
如果driver安装完后，发现WIFI适配器不见了：
说明driver安装的版本过高，WIFI驱动与driver不适配。因为没网了，所以需要重新安装Ubuntu，选择合适的版本的driver再次尝试。
我参考了非常多的博客，结果都没有成功，目前想到最快的方法就是重装了(。﹏。*)。
3、安装gcc-9和g++-9
（1）检测
使用以下指令，检查是否有gcc编译器：
gcc -v
如果有，确保gcc版本在1.10.0以下：
例如gcc-9就可以。
有些小伙伴可能使用的是系统提示的指令：
sudo apt-get install gcc
这会安装成最新版本gcc-13版本。
注：若不是10版本以下的，则后面很可能会报错（并不是百分之百会报错，因人而异）。现在选择不安装也没关系，等后面出问题了再说。
当然，如果没有安装gcc的话，可以跟着下面的步骤先安装一下。
（2）安装gcc和gcc++
安装gcc-9：
sudo apt-get install gcc-9
安装g++-9：
sudo apt-get install g++-9
这里不采用系统提示的指令去安装：
sudo apt-get install gcc
sudo apt-get
这样安装固然方便，但是apt-get会自动安装最新的版本，这样会和pcdet0.6.0冲突。
详情见：安装OpenPCDet遇到的问题的第32号问题：安装pcdet时报错：subprocess.CalledProcessError: Command ‘[‘which‘, ‘g++‘]‘ returned non-zero exit status 1.
（3）软链接
sudo ln -s /usr/bin/gcc-9 /usr/bin/gcc
sudo ln -s /usr/bin/g++-9 /usr/bin/g++
（4）检查版本
使用以下指令，检查是否有gcc编译器：
gcc -v
跳转到第（1）步。
4、安装Anconda
（1）下载Anconda文件
百度云：
这个文件夹下的就是anconda文件。
（2）进入安装包所在目录，使用bash指令进行anaconda安装：
bash Anaconda3-5.3.1-Linux-x86_64.sh
（3）查看安装结果：
conda info
安装成功
（4）官方安装文件及参考
清华源镜像：
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
参考博客：
ubuntu系统安装Anaconda与使用入门_ubuntu安装anaconda_张维鹏的博客-CSDN博客
5、安装cuda
（1）下载CUDA文件
进入百度云网盘，CUDA文件位置如下所示：
这里就放着CUDA安装文件：cuda_11.1.0_455.23.05_linux.run
如果不想用百度云，下面是官方网站：
CUDA官方网站：CUDA Toolkit Archive | NVIDIA Developer
CUDA文件官方下载地址：
（2）运行安装程序
sudo sh cuda_11.1.0_455.23.05_linux.run
接着按下contine：
开始安装，输入accept：
最后在选择安装项目的时候，不要选择driver，因为我们已经在第1步安装过了，免得driver又需要重新适配一下。
若出现下面的问题：
Failed to verify gcc version. See log at /var/log/cuda-installer.log for details.
加入--override即可，例如：
sudo sh cuda_10.2.89_440.33.01_linux.run --override
参考：Linux安装CUDA GCC版本不兼容_cuda 10.2 gcc_氵文大师的博客-CSDN博客
（3）配置环境变量
①查看环境配置文件：
vim ~/.bashrc
②加入配置变量
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64
以上变量都需要加，如果不加变量，nvcc -V查不出来cuda版本，而且后续安装可能还有各种各样的错误。
③更新
source ~/.bashrc
④最后用nvcc -V检查版本，得到以下界面
注意：如果仍然显示：找不到命令 “nvcc”，
下面可能会提示：
sudo apt install nvidia-cuda-toolkit
尽量不要用上面的命令去安装，有人踩过坑。
上面这个问题，说明没有更新source ~/.bashrc，抑或是没有采用合适的软链接，大家可以根据各自情况来查询。
（4）cudnn安装
①解压
文件也在百度云，解压指令：
tar zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz
②进入到cuda文件夹下
③ 执行指令进行复制文件：
sudo cp include/cudnn*.h /usr/local/cuda/include/ #没*的话后面会报错
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
④建立软链接
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.8.0.5
sudo ln -sf libcudnn.so.8.0.5 libcudnn.so.8
sudo ln -sf libcudnn.so.8 libcudnn.so
sudo ldconfig
若是有下面的错误：
对于不是符号链接的文件，执行以下操作：
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_train.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_train.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.org然后执行：
sudo ldconfig
⑤查看cudnn版本
执行下面指令，进行查看
cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
如果出现下面的情况：
解决办法是用下面的命令即可正确查看cudnn版本：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
如果显示：
说明安装正常。
（5）参考博客
ubuntu 18.04 从零开始复现 OpenPCDet 训练kitti数据集并评估 可视化 损失函数
6、配置pcdet环境
（1）创建虚拟环境（无需安装包，Anconda自动安装python）：
conda create -n Openpcdet python=3.8
（2）激活环境
conda activate Openpcdet
（3）安装torch、torchvision
①下载文件
百度云：找到以下文件夹，放着torch、torchvision安装包。
②安装
使用pip指令实现本地安装：
pip install torch-1.9.1+cu111-cp38-cp38-linux_x86_64.whl torchvision-0.10.1+cu111-cp38-cp38-linux_x86_64.whl
③测试
先输入python进入环境，输入以下指令：
import torch # 如正常则静默
torch.__version__ #查看torch版本
import torchvision
torchvision.__version__ #查看torchvision版本
torch.cuda.is_available() #正常的话返回“True”
a = torch.Tensor([1.]) # 如正常则静默
a.cuda() # 如正常则返回"tensor([ 1.], device='cuda:0')"
from torch.backends import cudnn # 如正常则静默
cudnn.is_acceptable(a.cuda()) # 如正常则返回 "True"显示可以正常使用：
④官方下载网站
如果不想用百度云，下面是官方下载网站：
torch下载网站：https://download.pytorch.org/whl/torch_stable.html
torch 1.9.1(python3.8):https://download.pytorch.org/whl/cu111/torch-1.9.1%2Bcu111-cp38-cp38-linux_x86_64.whl
torchvision 0.10.1(python3.8):
https://download.pytorch.org/whl/cu111/torchvision-0.10.1%2Bcu111-cp38-cp38-linux_x86_64.whl
（4）安装sponcv稀疏卷积库
安装spconv2.0+，直接使用清华源安装即可：
pip install spconv-cu111
（5）安装pcdet第三方库
①下载Openpcdet-master
②配置 requirement.txt
进入到\OpenPCDet-master文件夹下，根据requirement.txt文件，下载第三方库：
pip install -r requirements.txt
我更改了requirement.txt里的参数（原因后面讲到）：
整体下来应该没有任何报错：
③安装pcdet
执行以下指令：
python setup.py develop
当安装过程是这种奇奇怪怪的颜色的代码时：
且过程中没有报错，说明它在build。
安装完成：
（6）报错
下来是“美好的”报错时间o(￣┰￣*)ゞ：
你们中间遇到的各种问题，可以参考我写的另一篇博客：
安装OpenPCDet遇到的问题https://blog.csdn.net/weixin_44013732/article/details/130658821
用法：Ctrl+F，搜索你们想问的问题即可，如果没有的话，就是目前我没有碰到。
三、测试程序
1、下载数据集
有数据集的可以用自己的数据集，没有数据集的，我给你们提供一个编译好的小数据集：
kitti小型数据集https://pan.baidu.com/s/175VowZs0goXZe8ZKUJ5XDg?pwd=6666
和大数据集：
kitti大型数据集https://pan.baidu.com/s/1C1gz9GmYIaFUHlA4C--Q0w?pwd=6666
2、训练
①进入到tools文件夹下：
/PointCloudDet3D/tools
②执行：
python train.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml
测试结果如下：
开始训练喽~
③可选择训练的模型
可以通过tools文件夹下的cigs目录找到想要训练的模型，以pointpillars举例。
路径：/OpenPCDet-master/tools/cfgs/kitti_models/
接着改变一下输入指令就行：
python train.py --cfg_file cfgs/kitti_models/pointpillars.yaml
3、测试程序
①下载文件
说明：如果训练完后，会生成一个pth文件，在
/home/xyy/OpenPCDet-master/output/kitti_models/pv_rcnn/default/ckpt/里面。
为方便大家直接测试功能，我给大家下载了PVRCNN的权重文件供大家测试：
/OpenPCDet-master/output/kitti_models/pv_rcnn/default/ckpt/pv_rcnn_.pth
目录下：
②测试推理
使用指令：
python test.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml --batch_size 1 --ckpt /home/xyy/OpenPCDet-master/output/kitti_models/pv_rcnn/default/ckpt/pv_rcnn_.pth --save_to_file说明：
a.路径
test是在训练完成的基础上进行的，通过对训练的pth文件进行加载并测试数据，路径为/OpenPCDet-master/output/kitti_models/pv_rcnn/default/ckpt/checkpoint_epoch_*.pth
b.指令格式
指令格式为：python test.py --cfg_file +cig中预训练模型位置(yaml文件) --batch_size 1 --ckpt +预训练权重位置(pth文件) --save_to_file
除了yaml路径外，还需要加入pth数据的位置，一般都放在output中（train后才会生成，否则木有文件数据）
测试结果为：
③下载预训练权重
可以下载其他模型的权重文件，以pointpillars举例：
网址：https://github.com/open-mmlab/OpenPCDet
找到你想要的模型去下载下来，放到上面的文件夹里就行。
4、可视化
A.Open3D
①安装
利用pip指令进行安装：
pip install open3d
测试open3d是否可用：
没有报错就是可以使用，如果是因为版本的问题，也会出现奇奇怪怪的bug：
例如，上面这个是使用open3d-0.11报出的bug，最后默认系统安装最新版本open3d-0.17.0就没啥毛病。
②测试
执行指令：
python demo.py --cfg_file /home/xyy/OpenPCDet-master/tools/cfgs/kitti_models/pv_rcnn.yaml --ckpt /home/xyy/OpenPCDet-master/output/kitti_models/pv_rcnn/default/ckpt/pv_rcnn_.pth --data_path /home/xyy/OpenPCDet-master/data/kitti/testing/velodyne/000001.bin说明：
a.指令格式
指令格式为：python test.py --cfg_file +cig中预训练模型位置(yaml文件) --batch_size 1 --ckpt +预训练权重位置(pth文件) --data_path +点云bin文件的位置
测试结果：
B.Mayavi
①安装
用pip指令进行安装：
pip install vtk # vtk用的9.2.6
pip install mayavi #mayavi用的4.8.1
pip install PyQt5 # 5.15.9②测试
python demo.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml --ckpt /output/kitti_models/pv_rcnn/default/pv_rcnn_.pth --data_path ../data/kitti/testing/velodyne/000008.bin说明：
a.指令格式
指令格式为：python test.py --cfg_file +cig中预训练模型位置(yaml文件) --batch_size 1 --ckpt +预训练权重位置(pth文件) --data_path +点云bin文件的位置
测试结果：
C.同时安装mayavi和open3d情况下，如何选择执行
①进入到/OpenPCDet-master/tools/demo.py文件下：
②将里面的import部分做以改动：
a. 如果要使用open3d，则不用改动
b. 如果使用mayavi，则把“try”到”except“部分删掉，并取消首行缩进即可。
D.参考
安装mayavi：三维目标检测之OpenPCDet环境配置及demo测试
Open3D和mayavi切换：OpenPCDet安装及其3D检测算法实现
四、4090安装过程
4090安装和实现过程与1660一致，我用了同样的方法安装了4090上的Pcdet0.6.0，也可以跑。
五、各种报错
你们中间遇到的各种问题，可以参考我写的另一篇博客：
安装OpenPCDet遇到的问题https://blog.csdn.net/weixin_44013732/article/details/130658821
用法：Ctrl+F，搜索你们想问的问题即可，如果没有的话，就是目前我没有碰到。
开放原子开发者工作坊旨在鼓励更多人参与开源活动，与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动，如meetup、训练营等，主打技术交流，干货满满，真诚地邀请各位开发者共同参与！
更多推荐
16
0- 0
已为社区贡献6条内容
所有评论(0)