姿态估计2-02：PVNet(6D姿态估计)-官方模型训练测试-报错解决

v 以下链接是个人关于PVNet(6D姿态估计) 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：17575010159 相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。 文末附带 \color{blue}{文末附带} 文末附带 公众号 − \color{blue}{公众号 -} 公众号− 海量资源。 \color{blue}{ 海量资源}。 海量资源。

姿态估计2-00：PVNet(6D姿态估计)-目录-史上最新无死角讲解

注意，本人编写该博客的时间为 2020 / 06 / 29 ，也就是说，你现在下载的作者代码或许和 \color{red}{注意，本人编写该博客的时间为2020/06/29，也就是说，你现在下载的作者代码或许和} 注意，本人编写该博客的时间为2020/06/29，也就是说，你现在下载的作者代码或许和 本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为 u b u n t u 18.04 系统 \color{red}{本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为ubuntu18.04系统} 本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为ubuntu18.04系统 即下面的报错使用 u b u n t u 18.04 报错的过程，以及解决办法 \color{red}{即下面的报错使用ubuntu18.04报错的过程，以及解决办法} 即下面的报错使用ubuntu18.04报错的过程，以及解决办法

环境安装 使用conda创建虚拟环境:

conda create -n PVNet-pytorch1.4-py3.6 -y python=3.6 
conda activate PVNet-pytorch1.4-py3.6

# 本人尝试过torch=1.5.0的版本，但是没能成功搭建环境
pip install torch==1.4.0 torchvision==0.5.0 -i https://pypi.douban.com/simple
pip install Cython -i https://pypi.douban.com/simple
pip install cffi -i https://pypi.douban.com/simple
pip install yacs -i https://pypi.douban.com/simple
pip install open3d -i https://pypi.douban.com/simple
pip install opencv-python  -i https://pypi.douban.com/simple
pip install tqdm -i https://pypi.douban.com/simple
pip install scikit-image -i https://pypi.douban.com/simple
pip  install pycocotools -i https://pypi.douban.com/simple
pip  install plyfile -i https://pypi.douban.com/simple
pip  install transforms3d -i https://pypi.douban.com/simple
sudo apt-get install libglfw3-dev libglfw3

编译C代码:

# 这里的root表示从git下载项目的根目录
ROOT=/path/to/clean-pvnet
cd $ROOT/lib/csrc
# 本人cuda版本为10.1,
export CUDA_HOME="/usr/local/cuda-10.1"
cd dcn_v2
python setup.py build_ext --inplace
cd ../ransac_voting
python setup.py build_ext --inplace
cd ../nn
python setup.py build_ext --inplace

如果报错：gcc: error: /usr/local/cuda-9.0/lib64/libcudart.so: No such file or directory 执行vim setup.py，把其中的cuda-9.0都替换成10.1,然后重新执行python setup.py build_ext --inplace，接着运行如下指令：

cd ../fps
python setup.py build_ext --inplace

数据模型下载摆放

根据README.md,我们可以看到如下内容： 本人暂时下载了linemod，linemod_orig以及occlusion linemod数据集,如果后续有需要需要再下载其他的数据集。下载完成之后,全部解压，放在再ROOT/data目录下，然后继续阅读README.md可以看到如下部分：

点击蓝色的here即可以下载预训练模型。模型下载号之后,我们可是进行模型测试

模型测试 Testing on Linemod

继续阅读README.md,我们可以看到如下内容：

第一步： 首先在ROOT目录执行如下命令

# 注意，需要摆放好linemod，linemod_orig以及occlusion linemod 3个数据集之后，再执行该指令
python run.py --type linemod cls_type cat

执行本人显示如下：

第二步： 拷贝下载的预训练模型中的cat_199.pth 到 data/model/pvnet/cat/目录中，并且重命名199.pth

第三步： 执行如下指令

python run.py --type evaluate --cfg_file configs/linemod.yaml model cat cls_type cat

报错1:

RuntimeError: DataLoader worker (pid 2176) is killed by signal: Bus error. It is possible that dataloader's workers are out of shared memory. Please try to raise your shared memory limit.

这里报错的原因,主要是因为本人使用docker进行测试,出现共享内存不够的问题，可以通过如下博客连接解决：https://zhuanlan.zhihu.com/p/143914966

本人主要下修在run.py的def run_evaluate():函数中添加了cfg.train.num_workers = 0代码如下：

    ......
    load_network(network, cfg.model_dir, epoch=cfg.test.epoch)
    network.eval()
    cfg.train.num_workers = 0
    data_loader = make_data_loader(cfg, is_train=False)
    evaluator = make_evaluator(cfg)
    for batch in tqdm.tqdm(data_loader):
    ......

重新运行，本人显示如下： 然后再执行

python run.py --type evaluate --cfg_file configs/linemod.yaml test.dataset LinemodOccTest model cat cls_type cat

本人打印如下： 其他的测试的测试如Test with icp，Test with the uncertainty-driven PnP请参照README.md自行测试。

Testing on Tless

该数据集本人没有下载，所以在这里就不做演示了。

Visualization Visualization on Linemod

因为我们前面已经执行了python run.py --type linemod cls_type cat，所以这里不需要再重复执行。直接执行：

python run.py --type visualize --cfg_file configs/linemod.yaml model cat cls_type cat

本人使用pycharm打印如下： 后续我们详细讲解其实现过程

Visualization on Tless

和前面一样，由于本人没有下载该数据集，所以就不做演示了。

Training Training on Linemod

前面已经执行了python run.py --type linemod cls_type cat，所以不需要重复执行，直接执行：

python train_net.py --cfg_file configs/linemod.yaml model mycat cls_type cat

即可，本人打印如下：

Training on Tless

该数据集没有下载，不做讲解

结语

如果后续有时间，我会带大家训练自己的数据，敬请期待！