fix bug
This commit is contained in:
parent
d3e57eb77e
commit
b3ee1a647d
@ -1,289 +0,0 @@
|
||||
# GPU加速点云处理 - Orin平台移植指南
|
||||
|
||||
## 概述
|
||||
|
||||
本项目支持在 NVIDIA Jetson Orin 平台上使用 GPU 加速点云处理，提供了性能显著提升的版本。
|
||||
|
||||
## 硬件要求
|
||||
|
||||
- NVIDIA Jetson Orin (Nano / TX2 / Xavier / AGX)
|
||||
- CUDA 11.0 或更高版本
|
||||
- JetPack 5.0 或更高版本
|
||||
|
||||
## 1. Orin 平台准备
|
||||
|
||||
### 1.1 检查 CUDA 和 JetPack 版本
|
||||
|
||||
在 Orin 上运行以下命令检查版本：
|
||||
|
||||
```bash
|
||||
# 检查 JetPack 版本
|
||||
cat /etc/nv_tegra_release
|
||||
|
||||
# 检查 CUDA 版本
|
||||
nvcc -V
|
||||
|
||||
# 检查 GPU 状态
|
||||
nvidia-smi
|
||||
```
|
||||
|
||||
### 1.2 验证 CUDA 编译环境
|
||||
|
||||
确保 CUDA 编译器可用：
|
||||
|
||||
```bash
|
||||
which nvcc
|
||||
ls -la /usr/local/cuda/
|
||||
```
|
||||
|
||||
如果没有找到 CUDA，可能需要重新安装 JetPack。
|
||||
|
||||
## 2. 编译项目
|
||||
|
||||
### 2.1 配置编译参数
|
||||
|
||||
在 Orin 上使用 GPU 加速编译：
|
||||
|
||||
```bash
|
||||
cd /home/ubuntu/project/zxwl/sweeper/sweeper_200
|
||||
|
||||
# 清理之前的编译（可选）
|
||||
rm -rf build/ install/ log/
|
||||
|
||||
# 使用 GPU 加速编译（注意使用 --cmake-args 传递参数）
|
||||
colcon build --packages-select rslidar_pointcloud_merger \
|
||||
--cmake-args -DUSE_GPU=ON \
|
||||
--event-handlers console_direct+
|
||||
```
|
||||
|
||||
### 2.2 检查编译结果
|
||||
|
||||
```bash
|
||||
# 检查安装的文件
|
||||
ls -la install/rslidar_pointcloud_merger/lib/rslidar_pointcloud_merger/
|
||||
ls -la install/rslidar_pointcloud_merger/share/rslidar_pointcloud_merger/
|
||||
```
|
||||
|
||||
### 2.3 如果编译失败（常见问题）
|
||||
|
||||
**问题 1: CUDA 未找到**
|
||||
```
|
||||
CMake Error: Could NOT find CUDA (missing: CUDA_INCLUDE_DIRS)
|
||||
```
|
||||
解决方法：确保 CUDA 路径正确，或检查 CUDA 安装。
|
||||
|
||||
**问题 2: 架构不匹配**
|
||||
```
|
||||
nvcc fatal : Unsupported gpu architecture 'compute_30'
|
||||
```
|
||||
解决方法：修改 `CMakeLists.txt` 中的 `CUDA_ARCHITECTURES` 设置。
|
||||
|
||||
## 3. 运行
|
||||
|
||||
### 3.1 配置运行参数
|
||||
|
||||
在 launch 文件中添加 `use_gpu:=true` 参数：
|
||||
|
||||
```bash
|
||||
# 创建新的 launch 文件或修改 existing_launch.launch.py
|
||||
ros2 launch rslidar_pointcloud_merger merge_two_lidars.launch.py use_gpu:=true
|
||||
```
|
||||
|
||||
### 3.2 直接命令行运行（测试用）
|
||||
|
||||
```bash
|
||||
cd /home/ubuntu/project/zxwl/sweeper/sweeper_200
|
||||
|
||||
# 配置环境
|
||||
source install/setup.bash
|
||||
|
||||
# 运行（需要启用 use_gpu 选项）
|
||||
ros2 run rslidar_pointcloud_merger merge_two_lidars --ros-args \
|
||||
-p use_gpu:=true
|
||||
```
|
||||
|
||||
### 3.3 性能测试
|
||||
|
||||
```bash
|
||||
# 在运行过程中查看资源使用情况
|
||||
tegrastats
|
||||
```
|
||||
|
||||
## 4. 性能比较
|
||||
|
||||
| 功能 | CPU 版本 | GPU 版本 (Orin AGX) | 性能提升 |
|
||||
|------|----------|---------------------|----------|
|
||||
| 条件过滤 | 0.15s/帧 | 0.03s/帧 | 5x |
|
||||
| 体素降采样 | 0.20s/帧 | 0.02s/帧 | 10x |
|
||||
| 离群点去除 | 0.35s/帧 | 0.05s/帧 | 7x |
|
||||
| 总处理时间 | 0.70s/帧 | 0.10s/帧 | 7x |
|
||||
|
||||
**注意**：性能提升因数据规模和 Orin 型号而异。
|
||||
|
||||
## 5. 验证结果
|
||||
|
||||
### 5.1 检查输出话题
|
||||
|
||||
```bash
|
||||
# 查看节点和话题
|
||||
ros2 node list
|
||||
ros2 topic list
|
||||
|
||||
# 打印话题内容（可选）
|
||||
ros2 topic echo /rslidar_points
|
||||
ros2 topic echo /grid_raw
|
||||
```
|
||||
|
||||
### 5.2 使用 Rviz 可视化
|
||||
|
||||
```bash
|
||||
ros2 run rviz2 rviz2
|
||||
```
|
||||
|
||||
配置：
|
||||
1. Add → By topic → /rslidar_points → PointCloud2
|
||||
2. 在 Displays 面板中设置 Fixed Frame 为 "rslidar"
|
||||
3. 如果看到点云显示且栅格正常，说明 GPU 加速正常工作
|
||||
|
||||
## 6. 故障排除
|
||||
|
||||
### 6.1 节点无法启动
|
||||
|
||||
**现象：**
|
||||
```bash
|
||||
[ERROR] [merge_two_lidars]: Failed to load nodelet
|
||||
[ERROR] [merge_two_lidars]: GPU not available
|
||||
```
|
||||
|
||||
**解决方法：**
|
||||
- 检查是否启用了 USE_GPU 编译参数
|
||||
- 检查 CUDA 库是否正确加载
|
||||
- 检查 `/usr/local/cuda/lib64` 是否在 LD_LIBRARY_PATH 中
|
||||
|
||||
### 6.2 运行时崩溃
|
||||
|
||||
**现象：**
|
||||
```bash
|
||||
[merge_two_lidars]: Segmentation fault (core dumped)
|
||||
```
|
||||
|
||||
**解决方法：**
|
||||
- 检查是否启用了正确的架构（compute_87 for Orin AGX）
|
||||
- 增加 swap 空间
|
||||
- 使用 `gdb` 查看详细的堆栈跟踪
|
||||
|
||||
### 6.3 性能不符合预期
|
||||
|
||||
**现象：**
|
||||
- GPU 使用率低（nvidia-smi 显示 <20%）
|
||||
- 处理延迟高
|
||||
|
||||
**解决方法：**
|
||||
- 优化线程配置
|
||||
- 增加批处理大小
|
||||
- 检查数据传输瓶颈
|
||||
|
||||
## 7. 编译优化选项
|
||||
|
||||
### 7.1 针对特定 Orin 型号优化
|
||||
|
||||
修改 `CMakeLists.txt`：
|
||||
|
||||
```cmake
|
||||
if(USE_GPU)
|
||||
# Orin AGX (compute_87)
|
||||
set(CMAKE_CUDA_FLAGS "${CMAKE_CUDA_FLAGS} -arch=sm_87 -O3")
|
||||
endif()
|
||||
```
|
||||
|
||||
| Orin 型号 | 架构代码 |
|
||||
|-----------|----------|
|
||||
| Nano | sm_72 |
|
||||
| TX2 | sm_62 |
|
||||
| Xavier | sm_72 |
|
||||
| AGX Orin | sm_87 |
|
||||
|
||||
### 7.2 启用编译器优化
|
||||
|
||||
```cmake
|
||||
if(USE_GPU)
|
||||
set(CMAKE_CUDA_FLAGS "${CMAKE_CUDA_FLAGS} -O3 -lineinfo")
|
||||
endif()
|
||||
```
|
||||
|
||||
## 8. 代码结构说明
|
||||
|
||||
### 8.1 文件变更
|
||||
|
||||
**新增文件：**
|
||||
- `src/gpu_processing.cu` - GPU 加速的点云处理算法（CUDA 实现）
|
||||
- `include/gpu_processing.h` - GPU 处理函数声明
|
||||
|
||||
**修改文件：**
|
||||
- `CMakeLists.txt` - 添加 CUDA 支持
|
||||
- `src/merge_two_lidars.cpp` - 添加 GPU 调用逻辑
|
||||
|
||||
### 8.2 GPU/CPU 切换机制
|
||||
|
||||
代码会自动检查 GPU 是否可用：
|
||||
- 如果可用且编译了 GPU 支持 → 使用 GPU 处理
|
||||
- 否则 → 自动降级到 CPU 实现（保持兼容性）
|
||||
|
||||
## 9. 未来优化方向
|
||||
|
||||
### 9.1 优化数据传输
|
||||
|
||||
```cpp
|
||||
// 优化建议：使用零拷贝内存
|
||||
void optimizeMemoryTransfer()
|
||||
{
|
||||
// 使用 CUDA Host Registered Memory
|
||||
cudaHostAlloc(...);
|
||||
|
||||
// 异步数据传输
|
||||
cudaMemcpyAsync(...);
|
||||
}
|
||||
```
|
||||
|
||||
### 9.2 使用 TensorRT
|
||||
|
||||
```cpp
|
||||
// 优化建议：使用 TensorRT 进行推断
|
||||
void useTensorRT()
|
||||
{
|
||||
// 加载优化后的引擎
|
||||
nvinfer1::ICudaEngine* engine = createEngine(...);
|
||||
|
||||
// 执行 GPU 推理
|
||||
engine->execute(...);
|
||||
}
|
||||
```
|
||||
|
||||
### 9.3 多线程优化
|
||||
|
||||
```cpp
|
||||
// 优化建议：使用 CUDA 流
|
||||
void useCudaStreams()
|
||||
{
|
||||
cudaStream_t stream;
|
||||
cudaStreamCreate(&stream);
|
||||
|
||||
// 异步操作
|
||||
kernel<<<blocks, threads, 0, stream>>>(...);
|
||||
|
||||
cudaStreamSynchronize(stream);
|
||||
cudaStreamDestroy(stream);
|
||||
}
|
||||
```
|
||||
|
||||
## 10. 参考资料
|
||||
|
||||
- [NVIDIA Jetson 开发文档](https://docs.nvidia.com/jetson/index.html)
|
||||
- [CUDA 编程指南](https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html)
|
||||
- [PCL CUDA 扩展](https://pointclouds.org/documentation/tutorials/gpu.html)
|
||||
- [GPU 加速计算教程](https://developer.nvidia.com/accelerated-computing-guide)
|
||||
|
||||
---
|
||||
|
||||
**维护者：** Your Name
|
||||
**最后更新：** 2025年1月
|
||||
@ -15,6 +15,13 @@ struct float3
|
||||
float3(float x_, float y_, float z_) : x(x_), y(y_), z(z_) {}
|
||||
};
|
||||
|
||||
struct int3
|
||||
{
|
||||
int x, y, z;
|
||||
int3() : x(0), y(0), z(0) {}
|
||||
int3(int x_, int y_, int z_) : x(x_), y(y_), z(z_) {}
|
||||
};
|
||||
|
||||
// 检查GPU是否可用
|
||||
bool isDeviceAvailable();
|
||||
|
||||
@ -29,9 +36,9 @@ std::vector<float3> gpuVoxelGridFilter(const std::vector<float>& points, float r
|
||||
std::vector<int> gpuStatisticalOutlierRemoval(const std::vector<float>& points, int mean_k, float std_thresh);
|
||||
|
||||
// 辅助函数：将PCL点云转换为简单浮点数组
|
||||
std::vector<float> convertToFloatArray(const pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud);
|
||||
std::vector<float> convertToFloatArray(const boost::shared_ptr<pcl::PointCloud<pcl::PointXYZ>>& cloud);
|
||||
|
||||
// 辅助函数：将浮点数组转换为PCL点云
|
||||
pcl::PointCloud<pcl::PointXYZ>::Ptr convertToPCLCloud(const std::vector<float>& points);
|
||||
boost::shared_ptr<pcl::PointCloud<pcl::PointXYZ>> convertToPCLCloud(const std::vector<float>& points);
|
||||
|
||||
#endif // GPU_PROCESSING_H
|
||||
|
||||
@ -2,6 +2,16 @@
|
||||
|
||||
#include <vector>
|
||||
|
||||
#include "gpu_processing.h"
|
||||
|
||||
// CUDA头文件
|
||||
#ifdef USE_GPU
|
||||
#include <cuda_runtime.h>
|
||||
#endif
|
||||
|
||||
// Boost头文件
|
||||
#include <boost/shared_ptr.hpp>
|
||||
|
||||
// 定义__device__和__host__函数
|
||||
#ifdef __CUDACC__
|
||||
#define DEVICE_FUNC __device__ __host__
|
||||
@ -323,9 +333,11 @@ std::vector<int> gpuStatisticalOutlierRemoval(const std::vector<float>& points,
|
||||
}
|
||||
|
||||
// 辅助函数：将PCL点云转换为简单浮点数组
|
||||
std::vector<float> convertToFloatArray(const pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud)
|
||||
std::vector<float> convertToFloatArray(const boost::shared_ptr<pcl::PointCloud<pcl::PointXYZ>>& cloud)
|
||||
{
|
||||
std::vector<float> result;
|
||||
if (!cloud) return result;
|
||||
|
||||
result.reserve(cloud->size() * 3);
|
||||
|
||||
for (const auto& point : cloud->points)
|
||||
@ -339,7 +351,7 @@ std::vector<float> convertToFloatArray(const pcl::PointCloud<pcl::PointXYZ>::Ptr
|
||||
}
|
||||
|
||||
// 辅助函数：将浮点数组转换为PCL点云
|
||||
pcl::PointCloud<pcl::PointXYZ>::Ptr convertToPCLCloud(const std::vector<float>& points)
|
||||
boost::shared_ptr<pcl::PointCloud<pcl::PointXYZ>> convertToPCLCloud(const std::vector<float>& points)
|
||||
{
|
||||
auto cloud = boost::make_shared<pcl::PointCloud<pcl::PointXYZ>>();
|
||||
cloud->resize(points.size() / 3);
|
||||
|
||||
Loading…
Reference in New Issue
Block a user