在这个又一个被迫熬夜的日子里，桂桂香甜睡在我的前方，我一次又一次迷失在bug之中，不知道谁把我在310的虚拟环境删了，而且310磁盘容量完全变成0了，悲痛万分之下写下此教程，希望一切顺利。

转ONNX

这里我推荐在一个显卡还算OK的自己的电脑或者服务器上进行，在英伟达上太多问题了。

首先创一个python=3.9的虚拟环境（必须大于等于3.9，我这里的CUDA版本刚刚好卡在3.9才可以）

conda create -n cyc python=3.9

随后安装pytorch，这里根据自己的CUDA对应关系来就可以：nvcc -V查看自己的cuda

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

安好之后就可以去安装OpenPcdet，下面是OpenPcdet的安装要求，我们还需要spconv

先安装spconv：pip install spconv-cu102

然后cd OpenPcdet，在该目录下pip install -r requirements.txt配置环境，然后安装OpenPcdet:

python setup.py develop

然后我们需要配置一下CUDA-PointPillars

pip install pyyaml scikit-image onnx==1.15.0 onnx-simplifier
pip install onnx_graphsurgeon

做完上述准备工作后，就可以直接转onnx了：

但是我这样直接转Onnx后在英伟达上跑出来的结果是0检测框，显然完蛋。

查了一下issues看到有人推荐改一下export_onnx.py里的一个参数，所以我也照着做看看效果：

所以我们这里把MAX_VOXELS改为40000再去

然后师兄还修改了一个modify_onnx.py也是必须的，把这个替换掉原来的。

python tool/export_onnx.py --ckpt xx.pth --cfg_file xx.yaml

到这一步就会生成两个onnx文件，就是我们后续用来推理转trt_engine的，需要把这两个onnx文件保存转移到英伟达上。

以上是转Onnx的全流程，全部都是在普通linux电脑上进行的，不涉及英伟达。

TRT_ENGINE推理

这里的话首先就是配置英伟达，但是这个教程中配置英伟达不是重点，所以直接甩链接了：

在Xavier上部署CUDA-PointPillars_jetson下载spconv-CSDN博客

NVIDIA AGX Xavier 部署 CUDA-PointPillars_ccimport.buildmeta-CSDN博客

我因为在转Onnx前已经配置完环境了，踩了无数坑，也没时间再重新配置环境了。

但是我建议如果可以的话，尽量按照转onnx电脑的配置来配置，比如python>=3.9这样

配置完环境后，我们就按照CUDA-PointPillras的README来就好