【注】：本文地址：【3D】姿态检测网络PoseCNN复现过程记录.时光清浅，岁月嫣然
若转载请于明显处标明出处。
最近在研究室内6D姿态检测相关问题，计划在PoseCNN网络基础上进行改进实现。但是在第一步的复现过程中踩了无数的坑，最终成功运行了demo，目前网络训练完毕，test结果照原文要差一点。
有问题欢迎一起交流进步！
本文重点讲解网络代码复现过程，对于原文的讲解可以阅读这篇文章，满满干货！《论文笔记——PoseCNN》
本人系统环境：
- Ubuntu 16.04
- Tensorflow 1.8（from source）
- Python 2.7
- Cuda 10.0 & cuddn 7.3.1
1.搭建虚拟环境
第一步，创建专属于PoseCNN的虚拟环境，之后install的包都在此虚拟环境中。
虚拟环境的好处不用多说了吧，反正对Ubuntu系统的折腾越少越好！！！
我用 conda 创建的环境：
conda create -n posecnn python=2.7
激活环境：conda activate posecnn
如果不用这个环境，记得deactivate：conda deactivate posecnn
2.pip install
pip install opencv-python
如果不行试一下： sudo apt-get install libopencv-dev
pip install mock enum34pip install matplotlib numpy keras Cython Pillow easydict transforms3dpip install OpenEXRsudo apt-get install libsuitesparse-dev libopenexr-dev metis libmetis-dev
3.TensorFlow
注意一定要从源码安装，虽然很繁琐，但是经过实践证明，pip install安装出来的TensorFlow不好用。。
此外，使用gcc 4.8和g++ 4.8对后续的依赖包进行编译。
接下来安装bazel，并选择0.10.0版本，本文选择下载sh文件进行安装，
下面下载安装TensorFlow：
然后编译源文件：
bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
生成安装包：bazel-bin/tensorflow/tools/pip_package/build_pip_package ~/software/tensorflow
最后安装：pip install /tmp/tensorflow_pkg/tensorflow-1.8.0-cp27-cp27mu-linux_x86_64.whl
至此，TensorFlow的源码安装大功告成，可以import测试一下。
4.Eigen
wget https://bitbucket.org/eigen/eigen/get/3.3.0.zip
# 提取解压压缩包
# 重命名文件夹为eigen
cd eigen
mkdir build && cd build
cmake ..
make
sudo make install
5.Nanoflann
wget https://github.com/jlblancoc/nanoflann/archive/ad7547f4e6beb1cdb3e360912fd2e352ef959465.zip
# 提取解压压缩包
# 重命名文件夹为nanoflann
sudo apt-get install build-essential cmake libgtest-dev
cd nanoflann
mkdir build && cd build && cmake ..
make && make test
sudo make install
6.Pangolin
wget https://github.com/stevenlovegrove/Pangolin/archive/1ec721d59ff6b799b9c24b8817f3b7ad2c929b83.zip
# 提取解压压缩包
# 重命名文件夹为Pangolin
cd Pangolin
# Add folowing line to the CMakeLists.txt:
# add_definitions(-D_GLIBCXX_USE_CXX11_ABI=0)
mkdir build
cd build
cmake ..
cmake --build .
7.Boost
wget https://dl.bintray.com/boostorg/release/1.67.0/source/boost_1_67_0.tar.bz2
# 提取解压压缩包
# 重命名文件夹为boost
cd boost
./bootstrap.sh
sudo ./b2
sudo ./b2 install
8.Sophus
wget https://github.com/strasdat/Sophus/archive/ceb6380a1584b300e687feeeea8799353d48859f.zip
# 提取解压压缩包
# 重命名文件夹为Sophus
cd Sophus
mkdir build && cd build
cmake ..
make
sudo make install
9.NLOPT
wget https://github.com/stevengj/nlopt/archive/74e647b667f7c4500cdb4f37653e59c29deb9ee2.zip
# 提取解压压缩包
# 重命名文件夹为nlopt
cd nlopt
mkdir build
cd build
cmake ..
make
sudo make install
至此，所有依赖包配置完毕，下面针对源代码进行编译运行。
10.Compile lib/kinect_fusion
先注释掉/usr/local/cuda/include/crt/common_functions.h的第75行#define __CUDACC_VER__ "__CUDACC_VER__ is no longer supported. Use __CUDACC_VER_MAJOR__, __CUDACC_VER_MINOR__, and __CUDACC_VER_BUILD__ instead."
因为这个issue
要是只读权限无法修改，就用sudo chmod 777 /usr/local/cuda/include/crt/common_functions.h修改一下权限。
cd kinect_fusion
mkdir build
cd build
cmake ..
make
编译完记得取消注释刚刚的common_functions.h第75行
11.Compile lib/synthesize
cd ..
cd ..
cd synthesize
mkdir build
cd build
cmake ..
make
至此，环境配置完毕。更多可以看下面的参考链接，很详细。
参考：
- PoseCNN RSE-Lab，RSE-Lab
- PoseCNN GitHub代码，yuxng
- YCB-Video数据集下载，提取码52xx，wangg12
- PoseCNN代码实现大纲，Kaju-Bubanja
- PoseCNN代码实现详细，Luedeke
- 《论文笔记——PoseCNN》，XJTU_Bugdragon