diff --git a/src/perception/rslidar_pointcloud_merger/GPU移植说明.md b/src/perception/rslidar_pointcloud_merger/GPU移植说明.md deleted file mode 100644 index 90ba745..0000000 --- a/src/perception/rslidar_pointcloud_merger/GPU移植说明.md +++ /dev/null @@ -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<<>>(...); - - 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 diff --git a/src/perception/rslidar_pointcloud_merger/include/gpu_processing.h b/src/perception/rslidar_pointcloud_merger/include/gpu_processing.h index 8bce4f9..94fa5e2 100644 --- a/src/perception/rslidar_pointcloud_merger/include/gpu_processing.h +++ b/src/perception/rslidar_pointcloud_merger/include/gpu_processing.h @@ -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 gpuVoxelGridFilter(const std::vector& points, float r std::vector gpuStatisticalOutlierRemoval(const std::vector& 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 convertToFloatArray(const pcl::PointCloud::Ptr& cloud); +std::vector convertToFloatArray(const boost::shared_ptr>& cloud); // 辅助函数：将浮点数组转换为PCL点云 -pcl::PointCloud::Ptr convertToPCLCloud(const std::vector& points); +boost::shared_ptr> convertToPCLCloud(const std::vector& points); #endif // GPU_PROCESSING_H diff --git a/src/perception/rslidar_pointcloud_merger/src/gpu_processing.cu b/src/perception/rslidar_pointcloud_merger/src/gpu_processing.cu index abd7c38..85c36f2 100644 --- a/src/perception/rslidar_pointcloud_merger/src/gpu_processing.cu +++ b/src/perception/rslidar_pointcloud_merger/src/gpu_processing.cu @@ -2,6 +2,16 @@ #include +#include "gpu_processing.h" + +// CUDA头文件 +#ifdef USE_GPU +#include +#endif + +// Boost头文件 +#include + // 定义__device__和__host__函数 #ifdef __CUDACC__ #define DEVICE_FUNC __device__ __host__ @@ -323,9 +333,11 @@ std::vector gpuStatisticalOutlierRemoval(const std::vector& points, } // 辅助函数：将PCL点云转换为简单浮点数组 -std::vector convertToFloatArray(const pcl::PointCloud::Ptr& cloud) +std::vector convertToFloatArray(const boost::shared_ptr>& cloud) { std::vector result; + if (!cloud) return result; + result.reserve(cloud->size() * 3); for (const auto& point : cloud->points) @@ -339,7 +351,7 @@ std::vector convertToFloatArray(const pcl::PointCloud::Ptr } // 辅助函数：将浮点数组转换为PCL点云 -pcl::PointCloud::Ptr convertToPCLCloud(const std::vector& points) +boost::shared_ptr> convertToPCLCloud(const std::vector& points) { auto cloud = boost::make_shared>(); cloud->resize(points.size() / 3);