Graspness 端到端抓取点估计 | 环境搭建 | 模型推理测试
在复杂场景中实现抓取检测，Graspness是一种端到端的方法；
输入点云数据，输出抓取角度、抓取深度、夹具宽度等信息。
开源地址：https://github.com/rhett-chen/graspness_implementation?tab=readme-ov-file
论文地址：Graspness Discovery in Clutters for Fast and Accurate Grasp Detection
目录
1、准备GPU加速环境
2、安装torch和cudatoolkit
3、安装Graspness相关依赖库
4、安装MinkowskiEngine
5、安装pointnet2和knn
6、安装graspnetAPI
7、模型推理——抓取点估计
1、准备GPU加速环境
推荐在Conda环境中搭建环境，方便不同项目的管理～
首先需要安装好Nvidia 显卡驱动，后面还要安装CUDA11.1
输入命令：nvidia-smi，能看到显卡信息，说明Nvidia 显卡驱动安装好了
然后需要单独安装CUDA11.1了，上面虽然安装了CUDA12.2也不影响的
各种CUDA版本：https://developer.nvidia.com/cuda-toolkit-archive
CUDA11.1下载地址：https://developer.nvidia.com/cuda-11.1.0-download-archive
然后根据电脑的系统（Linux）、CPU类型，选择runfile方式
然后下载cuda_11.1.0_455.23.05_linux.run文件
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run开始安装
sudo sh cuda_11.1.0_455.23.05_linux.run来到下面的界面，点击“Continue”
输入“accept”
下面是关键，在455.23.05这里“回车”，取消安装；
这里X是表示需要安装的，我们只需安装CUDA11相关的即可
安装完成后，能看到/usr/local/cuda-11.1目录啦
(base) lgp@lgp-MS-7E07:~/2024_project$ ls /usr/local/cuda-11.1
bin EULA.txt libnvvp nsight-systems-2020.3.4 nvvm samples targets
DOCS extras nsight-compute-2020.2.0 nvml README src tools参考1：https://blog.csdn.net/weixin_37926734/article/details/123033286
参考2：https://blog.csdn.net/weixin_49223002/article/details/120509776
2、安装torch和cudatoolkit
首先创建一个Conda环境，名字为graspness，python版本为3.8
然后进行graspness环境
conda create -n graspness python=3.8
conda activate graspness这里需要安装pytorch1.8.2，cudatoolkit=11.1
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch-lts -c nvidiapytorch1.8.2官网地址：https://pytorch.org/get-started/previous-versions/
3、安装Graspness相关依赖库
下载graspness代码
git clone https://github.com/rhett-chen/graspness_implementation.git
cd graspnet-graspness编辑 requirements.txt，注释torch和MinkowskiEngine
# pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# torch>=1.8
tensorboard==2.3
numpy==1.23.5
scipy
open3d>=0.8
Pillow
tqdm
# MinkowskiEngine==0.5.4开始安装Graspness相关依赖库
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple4、安装MinkowskiEngine
在安装MinkowskiEngine之前，需要先安装相关的依赖
pip install ninja -i https://pypi.tuna.tsinghua.edu.cn/simpleconda install openblas-devel -c anaconda然后本地安装的流程：
export CUDA_HOME=/usr/local/cuda-11.1 # 指定CUDA_HOME为cuda-11.1
export MAX_JOBS=2 # 降低占用CPU的核心数目，避免卡死（可选）
git clone https://github.com/NVIDIA/MinkowskiEngine.git
cd MinkowskiEngine
python setup.py install --blas_include_dirs=${CONDA_PREFIX}/include --blas=openblas
等待安装完成
5、安装pointnet2和knn
这些两个的安装需要CUDA编译的，依赖于前面的export CUDA_HOME=/usr/local/cuda-11.1
首先来到graspnet-graspness工程中，安装pointnet2
cd pointnet2
python setup.py install再安装knn
cd knn
python setup.py install6、安装graspnetAPI
这里安装的流程如下，逐条命令执行
git clone https://github.com/graspnet/graspnetAPI.git
cd graspnetAPI
pip install . -i https://pypi.tuna.tsinghua.edu.cn/simple成功安装后，需要再安装numpy==1.23.5
pip install numpy==1.23.5 -i https://pypi.tuna.tsinghua.edu.cn/simple到这里安装完成啦～
7、模型推理——抓取点估计
跑一下模型推理的demo，看看可视化的效果：
分享完成～