AnyGrasp真机部署

• 登录github项目：https://github.com/graspnet/anygrasp_sdk?tab=readme-ov-file
• 创建conda环境

• conda create --name anygrasp python=3.9
  conda activate anygrasp

• 下面准备安装依赖项目MinkowskiEngine：https://github.com/NVIDIA/MinkowskiEngine#anaconda
• 检查cuda版本，要求11.x。本人版本11.7。

• nvcc -V

• 进入pytorch官网下载torch(推荐开梯子官网下载):Previous PyTorch Versions | PyTorch
• 
• 本人选择CUDA11.7，因此找到对应安装命令，conda环境下进行安装

• conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

• 检查是否安装成功

• python
  >>> import torch
  >>> torch.cuda.is_available()
  True
  >>> quit()
  

• 开始正式安装MinkowskiEngine

• git clone https://github.com/NVIDIA/MinkowskiEngine.git
  cd MinkowskiEngine
  conda clean -all  #清除conda缓存，防止重复下载torch
  pip install ninja  #官方文档没说，这里依赖还需要安装ninja库
  conda install openblas-devel -c anaconda  #安装依赖
  export CUDA_HOME=/usr/local/cuda-11.x  #你的版本
  export MAX_JOBS=2
  cp  /home/xxx(username)/anaconda3/envs/anygrasp/lib/libopenblas.so*  /home/xxx(username)/anaconda3/envs/anygrasp/lib/python3.9/site-packages/torch/lib/.
  python setup.py install --blas_include_dirs=${CONDA_PREFIX}/include --blas=openblas

• MinkowskiEngine安装成功，检查。

• python
  >>> import MinkowskiEngine as ME
  >>> print(ME.__version__)
  0.5.4

• 回到anygrasp项目，开始正式安装anygrasp
• 安装依赖

• export SKLEARN_ALLOW_DEPRECATED_SKLEARN_PACKAGE_INSTALL=True
  pip install -r requirements.txt
  cd pointnet2
  python setup.py install
  cd ..

• 申请SDK的license和checkpoint，根据仓库readme提交表格申请。会收到三份文件。分别是，license文件（需要解压），两个checkpoint文件（用于进行任务）。
• 
• 解压license后将文件夹复制两份，重命名为license，分别放在 grasp_detection 和 grasp_tracking 下。
• 演示grasp_detection。
• 进入grasp_detection文件夹。
• 根据您的 Python 版本（支持 Python>=3.6，<=3.9），将 gsnet.*.so 和 lib_cxx.*.so 复制到此文件夹。例如，如果您使用 Python 3.6，则可以执行以下操作：

• cp gsnet_versions/gsnet.cpython-36m-x86_64-linux-gnu.so gsnet.so
  cp ../license_registration/lib_cxx_versions/lib_cxx.cpython-36m-x86_64-linux-gnu.so lib_cxx.so

• 其他python版本见目录。
• 
• 在grasp_detection文件夹下创建log文件夹，将模型权重checkpoint_detection.tar放在log/下。
• 运行：

• sh demo.sh

• 成功输出

• 

• 可视化运行：

• python demo.py  --checkpoint_path ./log/checkpoint_detection.tar --debug

• 爪子备选，可以拖动放大缩小进行观察。

• 

• 按下q，获得最终爪子标记。

• 

• 结束。grasp_tracking同理。运行后动态展示跟踪。

• 

• 如果你觉得有帮助的话，请给一个小小的赞！