- 介绍
1、驱动与cuda安装
- （1）驱动安装
- - a.驱动下载
  - b.禁用nouveau驱动
  - c.禁用X-Window服务
  - d.命令行安装驱动
  - e.驱动测试
- （2）cuda7.5安装
2、环境配置
- （1）apt-get install 依赖安装
- （2）安装gflags、glog、Eigen、Ceres
- - 安装gflags、glog、Eigen
  - 配置ceres-solver
- （3）安装OpenCV 2.4.13
- （4）安装Boost
3、代码修改与dataset获取
- （1）配置deps/terra
- （2）配置deps/Opt
- （3）修改kfusion/src/warp_field.cpp
- （4）dataset下载
4、运行
- （1）编译
- （2）运行与报错
- （3）升级cuda7.5到8.0
- - 卸载cuda7.5
  - 安装cuda8.0
- （4）运行与结果

介绍

DynamicFusion构建了一个可以实时重建非刚性变形动态场景的系统，随着新的数据融合进模型当中，模型得到降噪、细节更加精细。
论文地址：http://grail.cs.washington.edu/projects/dynamicfusion/papers/DynamicFusion.pdf
GitHub地址：https://github.com/mihaibujanca/dynamicfusion
注意：这个项目是对论文的复现，但是目前尚未准确复现论文内容，运行速度仍然有待优化，10s/frame不满足实时运行，建议转换成离线数据，再进行运行。

这里记录DynamicFusion在ubuntu16.04+显卡GT740+cuda8.0上的实现。（虽然可以实现，但是GT740真的是太慢慢慢慢了…电脑是刚重装完系统的机子）

1、驱动与cuda安装

（1）驱动安装

a.驱动下载

#查看显卡型号

lspci | grep -i nvidia

nvidia官网 https://www.geforce.cn/drivers 搜索显卡型号对应的驱动，下载（别用最新的）后放到home文件夹

b.禁用nouveau驱动

sudo gedit /etc/modprobe.d/blacklist.conf

在文本最后添加：

blacklist nouveau
options nouveau modeset=0

然后执行：

sudo update-initramfs -u

重启后，屏幕分辨率可能不对不用管，命令行执行：lsmod | grep nouveau ，如果没有屏幕输出，说明禁用nouveau成功。

c.禁用X-Window服务

#注意：这会关闭图形界面，提前用手机或者笔记本看下面的步骤

sudo service lightdm stop

按Ctrl-Alt+F1进入命令行界面，输入用户名和密码登录。

d.命令行安装驱动

#给驱动run文件赋予执行权限：

sudo chmod +x NVIDIA-Linux-x86_64-384.59.run

#后面的参数不可省略：

sudo ./NVIDIA-Linux-x86_64-384.59.run –no-opengl-files

按照提示安装，回车确定，成功安装后在命令行输入：sudo service lightdm start，恢复到图形界面，此时屏幕分辨率恢复正常，重启。

e.驱动测试

sudo nvidia-smi

若列出GPU的信息列表，表示驱动安装成功。

（2）cuda7.5安装

cuda7.5可以使用命令行安装，到了cuda8.0以及往上就不行了

sudo apt-get update
sudo apt-get install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-prime

等待安装完成后，输入nvcc -V，检查是否安装成功。

2、环境配置

下载DynamicFusion代码：https://github.com/mihaibujanca/dynamicfusion
整个配置过程参考dynamicfusion-master/build.sh 文件（不要直接运行build.sh会有各种报错）

（1）apt-get install 依赖安装

sudo apt-get install cmake libvtk5-dev libsuitesparse-dev liblapack-dev --fix-missing
sudo apt-get install libblas-dev libgtk2.0-dev pkg-config libopenni-dev --fix-missing
sudo apt-get install libusb-1.0-0-dev wget zip clang --fix-missing

（2）安装gflags、glog、Eigen、Ceres

进入dynamicfusion-master文件夹的上一目录

安装gflags、glog、Eigen

#安装 gflags

git clone https://github.com/gflags/gflags.git
cd gflags
mkdir -p build/ && cd build
cmake .. && make
cd ../../

#安装 glog

git clone https://github.com/google/glog.git
cd glog
mkdir -p build/ && cd build/
cmake .. && make
cd ../../

#安装 Eigen 3.3.4

wget http://bitbucket.org/eigen/eigen/get/3.3.4.tar.gz
tar -xf 3.3.4.tar.gz
cd eigen-eigen-5a0156e40feb
mkdir -p build && cd build
cmake ..
sudo make install
cd ../../

配置ceres-solver

#下载ceres-solver：https://github.com/ceres-solver/ceres-solver 并解压到dynamicfusion-master文件夹的上一目录 ，将ceres-solver-master重命名为ceres-solver

#配置 Ceres

cd ceres-solver
mkdir -p build/ && cd build/
cmake ..
make -j4
sudo make install
cd ../../

（3）安装OpenCV 2.4.13

注：opencv的下载过程非常非常慢，建议前天晚上下载，第二天再接着配置

git clone https://github.com/opencv/opencv
cd opencv/
git checkout 2.4.13.3
mkdir -p build && cd build
cmake -DWITH_VTK=ON -DBUILD_opencv_calib3d=ON -DBUILD_opencv_imgproc=ON -DWITH_CUDA=OFF ..
make -j4
sudo make install
cd ../../

（4）安装Boost

wget https://dl.bintray.com/boostorg/release/1.64.0/source/boost_1_64_0.tar.gz
tar -xf boost_1_64_0.tar.gz
cd boost_1_64_0
sudo ./bootstrap.sh
./b2
sudo ./b2 install
cd ..

删除掉无用的压缩包，最终目录如图

3、代码修改与dataset获取

（1）配置deps/terra

cd dynamicfusion-master/deps
wget https://github.com/zdevito/terra/releases/download/release-2016-03-25/terra-Linux-x86_64-332a506.zip
unzip terra-Linux-x86_64-332a506.zip
rm terra-Linux-x86_64-332a506.zip
mv terra-Linux-x86_64-332a506 terra

（2）配置deps/Opt

#下载Opt：https://github.com/niessner/Opt/tree/c6012e7e4c67fa3bea96161ba24fe88a2b79deed ，并解压到deps，重命名为Opt

cd Opt/API/
make -j4

（3）修改kfusion/src/warp_field.cpp

为了解决之后运行代码会出现的报错

.../dynamicfusion/kfusion/src/warp_field.cpp:158:10: error: ‘struct ceres::Solver::Options’ has no member named ‘num_threads_used’
options.num_threads_used = 8;

将第157行options.num_linear_solver_threads = 8;注释掉

（4）dataset下载

下载地址 https://www.dropbox.com/sh/qgy2n9bmioofqnj/AABUnT7pi2ECpxSi80EmXOXna?dl=0 （给的数据挺多的，如果网站上不去可以下载我传到百度云的数据，只传了作为demo的umbrella_data.zip）

umbrella_data.zip下载链接：https://pan.baidu.com/s/1PRf7-xl5vgj2SUQVNiuk-g ，提取码：25s1
下载后放置到dynamicfusion-master文件夹中，运行

mkdir -p data/umbrella/depth
mkdir -p data/umbrella/colormv umbrella_data.zip data/umbrella
cd data/umbrella
unzip umbrella_data.zip
rm *.txt
mv *color*.png color/
mv *depth*.png depth/
rm umbrella_data.zip

4、运行

（1）编译

进入dynamicfusion-master文件夹，运行

mkdir -p build && cd build
cmake -DOpenCV_DIR=~/opencv/build -DBOOST_ROOT=~/boost_1_64_0/ -DOPENNI_INCLUDE_DIR=/usr/include/ni -DOpenCV_FOUND=TRUE ..
make -j4

（2）运行与报错

进入dynamicfusion-master文件夹，运行

./build/bin/dynamicfusion data/umbrella

运行后报错 llvm: No such file or directory ,查看这里：https://github.com/mihaibujanca/dynamicfusion/issues/54
升级cuda7.5到8.0能够解决

（3）升级cuda7.5到8.0

卸载cuda7.5

sudo apt-get autoremove nvidia-cuda-toolkit

安装cuda8.0

#下载cuda8.0：https://developer.nvidia.com/cuda-80-ga2-download-archive

#安装依赖

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

#安装cuda8.0

sudo chmod 777 cuda_8.0.61_375.26_linux.run
sudo ./cuda_8.0.61_375.26_linux.run

执行后会先出现一个声明，需要阅读到100%才会开始安装，直接ctr+c跳过
按照提示输入回答就行，位置全部选择默认，注：第二个选择是否安装nvidia驱动时，一定要选择否
安装完依赖后，如果仍然提示

Installing the CUDA Toolkit in /usr/local/cuda-8.0 …
Missing recommended library: libXmu.so

不用管
#添加环境变量

sudo gedit ~/.bashrc

将以下内容写入到~/.bashrc尾部：

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

重启后，输入nvcc --version 测试是否安装成功

（4）运行与结果

sudo apt-get install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-prime

#编译
进入dynamicfusion-master文件夹，运行

mkdir -p build && cd build
cmake -DOpenCV_DIR=~/opencv/build -DBOOST_ROOT=~/boost_1_64_0/ -DOPENNI_INCLUDE_DIR=/usr/include/ni -DOpenCV_FOUND=TRUE ..
make -j4

#运行
进入dynamicfusion-master文件夹，运行

./build/bin/dynamicfusion data/umbrella

#结果

DynamicFusion效果（项目视频）：

视频地址：https://www.youtube.com/watch?v=i1eZekcc_lM

DynamicFusion在ubuntu16.04+显卡GT740+cuda8.0上的实现相关推荐

tesla p100 linux,服务器(Tesla P100)Ubuntu16.04+显卡驱动+cuda8.0+cudnn7.0.5
首先推荐这两篇文章,写完之后才发现: https://blog.csdn.net/yhaolpz/article/details/71375762 https://blog.csdn.net/bali ...
[深度学习]Ubuntu16.04 + GTX 1050 + cuda8.0 + cuDNN5.1 + caffe安装详解
首先吐个槽,ubuntu + nvidia的显卡驱动简直是反人类,害的我折腾了一天多. 一.问题及解决办法寒假放假回家没事干,正好给家里电脑升级了显卡gtx1050可以跑跑CNN.我在实验室的显卡是 ...
Ubuntu16.04+Titan X+CUDA8.0+cudnn5.1+Caffe
1.安装Ubuntu16.04 LTS x64 利用工具rufus制作USB系统盘(官方下载64位版本: ubuntu-16.04-desktop-amd64.iso),因为已有Win7系统,此处选择 ...
tensorflow gpu python3.5_tensorflow环境搭建：Ubuntu16.04+python3.5+cuda8.0+tensorflow1.4
Ubuntu16.04是深度学习主流的操作系统,兼容性也最好. python3.5能够安装支持tensorflow的gpu cuda是nvidia推出的运算平台,cuda8.0对tensorflow比 ...
服务器(Dell T360)Ubuntu16.04+Tesla P100+CUDA8.0+CUDNN7.0.5配置
这篇文章的方法最后也有问题! 最终配置成功版请见下面这个链接的内容: https://blog.csdn.net/u014106566/article/details/83314626 前言: 一开始 ...
配有Tesla K40c的服务器新装Ubuntu16.04并安装CUDA8.0、Anaconda3、Matlab2016a、OPENCV3.1、CuDNN5.1、MXNet...
注:本文原创,作者:Noah Zhang (http://www.cnblogs.com/noahzn/) 决定加入深度学习的大军,感谢导师给配了台新设备!第一次接触服务器并配置开发环境,整个过程中 ...
安装ubuntu16.04+Nvidia驱动+Cuda8.0+Cudnn5.1+Matlab R2017b+Pycharm+WPS
硬件环境:NVIDIA GTX 760+i5 本文只是为了方便以后自己再安装时比较方便,做的一个记录.所以基本所有步骤都来自各参考文章的步骤. 安装ubuntu16.04 安装Nvidia驱动安装C ...
ubuntu16.04 配置显卡驱动+cuda8.0+cudnn+pytorch
ubuntu1604 配置显卡驱动cuda80cudnnpytorch 在线安装显卡驱动离线安装cuda 安装cudnn 配置环境变量离线安装cond 配置pytorch 测试pytorch 感悟 ...
深度学习工作站环境搭建 ubantu16.04 安装显卡驱动 CUDA8.0 cuDNN6 anaconda tensorflow1.4.0 opencv3.4 含泪总结
深度学习工作站环境搭建 ubantu16.04 安装显卡驱动 CUDA8.0 cuDNN6 anaconda tensorflow opencv 1 安装ubantu16.04 安装时不要在线更新,在 ...

DynamicFusion在ubuntu16.04+显卡GT740+cuda8.0上的实现

目录

介绍