一、概述

        在github上进行开源代码搜索，发现了Off-Road-Freespace-Detection（链接如下所示）。这是对越野环境可通行区域的检测，在经过测试之后，发现对自己有益。

GitHub - chaytonmin/Off-Road-Freespace-Detection: Official implementation of our ICRA'22 paper: ORFD: A Dataset and Benchmark for Off-Road Freespace DetectionOfficial implementation of our ICRA'22 paper: ORFD: A Dataset and Benchmark for Off-Road Freespace Detection - chaytonmin/Off-Road-Freespace-Detectionhttps://github.com/chaytonmin/Off-Road-Freespace-Detection

 

二、具体配置

（一）概述

        因为github上面已经给出配置方法，按照上面操作，在运行demo时候，将缺的一些库使用pip install 安装即可。

        但是会遇到一个问题，就是pytorch的版本与自己cuda的版本不对应的问题，源代码给出的是pytorch1.7.0，但是我安装的cuda版本是11.8，在pytorch官网上没有找到相应的安装命令。由于之前已经安装了别的代码库，为了不破坏原来的，故而选择了pytorch2.0.0来进行配置。

（二）版本罗列

        ubuntu20.04，

        python3.8.10（与ubuntu20.04的python版本设置成一致，别的python版本也是可以的，我试过python3.8.20，高于3.8的python版本就没有再试过了），

        pytorch2.0.0，

        mmcv2.0.0，

        mmsegmentation0.28.0，

        mmcv-full==1.4.8。

        此处只把主要使用到的版本罗列出来，因为这些需要有一定的版本对应关系，以上是我测试出来可以正常运行源代码的版本对应关系。其余版本没有经过测试，可能能够正常运行。pytorch安装请参考官网，这里不再给出如何安装。

PyTorch https://pytorch.org/

（三）mmcv安装

        这里使用官网的安装方法。

Installation — mmcv 2.2.0 documentationhttps://mmcv.readthedocs.io/en/latest/get_started/installation.html        在这里正确选择对应的版本，在终端中输入相应的命令即可。

pip install mmcv==2.0.0 -f https://download.openmmlab.com/mmcv/dist/cu118/torch2.0/index.html

        mmcv安装完成后，需要安装mmcv-full，注意这两个都需要安装，否则无法正常运行。使用下面的命令安装，这个命令是仿照github上面源网站，自己改的。

pip install mmcv-full==1.4.8 -f https://download.openmmlab.com/mmcv/dist/cu118/torch2.0/index.html

        安装完成后，再需要安装mmsegmentation，输入下面的命令，注意这个版本，在运行时候可能因为版本不对应报错。

pip install mmsegmentation==0.28.0

（四）运行

        github上面已经给出demo运行的命令。

bash ./scripts/demo.sh

        假如运行中出现报错，大部分是有些库没有正确安装，使用pip install安装即可，能够正确运行。

        因为原论文中使用的是4张3090显卡运行的，自己的电脑只是3060，无法进行训练，所以不展示train过程。