【3D】姿態檢測網絡PoseCNN復現過程記錄

• 2020 年 4 月 6 日
• 筆記

最近在研究室內6D姿態檢測相關問題，計劃在PoseCNN網絡基礎上進行改進實現。但是在第一步的復現過程中踩了無數的坑，最終成功運行了demo，但目前數據集train還是遇到了一些問題。有問題歡迎一起交流進步！

本文重點講解網絡代碼復現過程，對於原文的講解可以閱讀這篇文章，滿滿乾貨！《論文筆記——PoseCNN》

本人系統環境：

• Ubuntu 16.04
• Tensorflow 1.8（from source）
• Python 2.7
• Cuda 10.1 & cuddn 7.3.1

1.搭建虛擬環境

第一步，創建專屬於PoseCNN的虛擬環境，之後install的包都在此虛擬環境中。
虛擬環境的好處不用多說了吧，反正對Ubuntu系統的折騰越少越好！！！
我用 conda 創建的環境：

• conda create -n posecnn python=2.7
  激活環境：
• conda activate posecnn
  如果不用這個環境，記得deactivate：
• conda deactivate posecnn

2.pip install

• pip install opencv-python

如果不行試一下： sudo apt-get install libopencv-dev

• pip install mock enum34
• pip install matplotlib numpy keras Cython Pillow easydict transforms3d
• pip install OpenEXR
• sudo apt-get install libsuitesparse-dev libopenexr-dev metis libmetis-dev

3.TensorFlow

注意一定要從源碼安裝，雖然很繁瑣，但是經過實踐證明，pip install安裝出來的TensorFlow不好用。。
此外，使用gcc 4.8和g++ 4.8對後續的依賴包進行編譯。

• sudo apt-get install gcc-4.8

• sudo apt-get install g++-4.8

• sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 10

• sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 30

• sudo update-alternatives --config gcc 輸入選擇 1

• sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.8 10

• sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 30

• sudo update-alternatives --config g++ 輸入選擇 1

測試一下gcc和g++的版本，顯示4.8就更換完畢了:

• gcc --version

• g++ --version

接下來安裝bazel，並選擇0.10.0版本，本文選擇下載sh文件進行安裝，

下載地址：https://github.com/bazelbuild/bazel/releases/download/0.10.0/bazel-0.10.0-installer-linux-x86_64.sh
下載好之後，安裝：

• chmod +x bazel-0.10.0-installer-linux-x86_64.sh 修改文件權限
• ./bazel-0.10.0-installer-linux-x86_64.sh --user 進行安裝
  接着添加環境變量：
• gedit ~/.bashrc
• export PATH="(PATH:)HOME/bin"

下面下載安裝TensorFlow：

• git clone https://github.com/tensorflow/tensorflow.git
• cd tensorflow
• git checkout r1.8
• ./configure
  這一步，配置文件會問很多問題，對應回答y/n即可:

注意 Python 及其sitepackage的路徑要與你之後環境路徑相對應
比如我在posecnn虛擬環境中運行的話，我的python路徑就是 …/.conda/env/posecnn/bin/python
大部分都選擇n，但是詢問cuda時，要根據你的電腦實際選擇

然後編譯源文件：

• bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
  生成安裝包：
• bazel-bin/tensorflow/tools/pip_package/build_pip_package ~/software/tensorflow
  最後安裝：
• pip install /tmp/tensorflow_pkg/tensorflow-1.8.0-cp27-cp27mu-linux_x86_64.whl
  至此，TensorFlow的源碼安裝大功告成，可以import測試一下。

4.Eigen

wget https://bitbucket.org/eigen/eigen/get/3.3.0.zip  # 提取解壓壓縮包  # 重命名文件夾為eigen  cd eigen  mkdir build && cd build  cmake ..  make  sudo make install  

5.Nanoflann

wget https://github.com/jlblancoc/nanoflann/archive/ad7547f4e6beb1cdb3e360912fd2e352ef959465.zip  # 提取解壓壓縮包  # 重命名文件夾為nanoflann  sudo apt-get install build-essential cmake libgtest-dev  cd nanoflann  mkdir build && cd build && cmake ..  make && make test  sudo make install  

6.Pangolin

wget https://github.com/stevenlovegrove/Pangolin/archive/1ec721d59ff6b799b9c24b8817f3b7ad2c929b83.zip  # 提取解壓壓縮包  # 重命名文件夾為Pangolin  cd Pangolin  # Add folowing line to the CMakeLists.txt:  # add_definitions(-D_GLIBCXX_USE_CXX11_ABI=0)  mkdir build  cd build  cmake ..  cmake --build .  

7.Boost

wget https://dl.bintray.com/boostorg/release/1.67.0/source/boost_1_67_0.tar.bz2  # 提取解壓壓縮包  # 重命名文件夾為boost  cd boost  ./bootstrap.sh  sudo ./b2  sudo ./b2 install  

8.Sophus

wget https://github.com/strasdat/Sophus/archive/ceb6380a1584b300e687feeeea8799353d48859f.zip  # 提取解壓壓縮包  # 重命名文件夾為Sophus  cd Sophus  mkdir build && cd build  cmake ..  make  sudo make install  

9.NLOPT

wget https://github.com/stevengj/nlopt/archive/74e647b667f7c4500cdb4f37653e59c29deb9ee2.zip  # 提取解壓壓縮包  # 重命名文件夾為nlopt  cd nlopt  mkdir build  cd build  cmake ..  make  sudo make install  

至此，所有依賴包配置完畢，下面針對源代碼進行編譯運行。

10.Compile lib/kinect_fusion

先注釋掉/usr/local/cuda/include/crt/common_functions.h的第64行，因為這個issue
要是只讀權限無法修改，就用sudo chmod 777 /usr/local/cuda/include/crt/common_functions.h修改一下權限。

cd kinect_fusion  mkdir build  cd build  cmake ..  make  

編譯完記得取消注釋剛剛的common_functions.h第64行

11.Compile lib/synthesize

cd ..  cd ..  cd synthesize  mkdir build  cd build  cmake ..  make  

至此，環境配置完畢。更多可以看下面的參考鏈接，很詳細。

參考：

• PoseCNN RSE-Lab，RSE-Lab
• PoseCNN GitHub代碼，yuxng
• YCB-Video數據集下載，提取碼52xx，wangg12
• PoseCNN代碼實現大綱，Kaju-Bubanja
• PoseCNN代碼實現詳細，Luedeke
• 《論文筆記——PoseCNN》，XJTU_Bugdragon