在colab訓練與使用運行PVNet進行估計物體的位置和姿態

爲了能讓colab操做google driver中的文件須要執行下面代碼。

!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse
from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}

中途會讓你輸入兩次受權碼。下面是執行成功界面的截圖。

而後在google driver中用建立一個colab的ipynb文件。

而後你須要指定你之後在程序下載的東西存儲在google driver 哪裏，選擇Files而後選擇MOUNT DRIVE。

而後能夠看到你的代碼變到了某個磁盤下的某個文件夾下了，之後你保存的東西也在這裏。

而後切換當前工做目錄到你想要的那個目錄下。我是切換到train_pvnet那個目錄而後下載代碼。
而後從github下載PVNet的源碼。輸入下面這個命令而後按ctr+enter運行命令，注意感嘆號是指運行linux命令。
!git clone https://github.com/zju3dv/pvnet.git

而後將工做目錄切換剛剛下載好的那個項目的文件夾pvnet下。
%cd pvnet
你能夠經過輸入命令!pwd查看當前目錄，也能夠輸入命令!ls看看當前目錄下有哪些文件。
而後再在google driver中的那個pvnet文件夾下建立一個colab文件方便咱們執行訓練PVNet的訓練。
具體訓練過程須要參考他們在github給的readme文件。

1. 安裝必要的python包
   
2. 編譯Ransac vote 層

CUDA_HOME='/usr/local/cuda'
%cd /content/drive/My\ Drive/train_pvnet/pvnet/lib/ransac_voting_gpu_layer
!python setup.py build_ext --inplace

記得將runtime裏面的加速設備設置爲GPU。


而後再執行命令

# 修訂cuda_include並dart在build_extend_utils_cffi.py爲與CUDA在您的電腦兼容
%cd /content/drive/My\ Drive/train_pvnet/pvnet/lib/utils/extend_utils
!sudo apt-get install libgoogle-glog-dev
!sudo apt-get install libsuitesparse-dev
!sudo apt-get install libatlas-base-dev
!python3 build_extend_utils_cffi.py

接下來咱們須要安裝ceres這個數學工具庫，這裏咱們提供的是下載源碼進行編譯。在安裝編譯它以前須要安裝着libeigen3-dev,libgoogle-glog-dev這兩個包。
而後再運行pvnet這個目錄下的build_ceres.sh。而後移動ceres/ceres-solver/build/lib/libceres.so*到lib/utils/extend_utils/lib。