1.下载caffe_ssd

cd Projects/
git clone https://github.com/weiliu89/caffe.git caffe_ssd
cd ssdcaffe
git checkout ssd #切换到ssd分支

2.修改Makefile.config配置文件

• 修改caffe_ssd目录下的Makefile.config

USE_CUDNN:=1  #若使用GPU
USE_OPENCV:=1 #使用OpenCV
OPENCV_VERSION:=3

• 根据自己的情况修改CUDA_ARCH的，最好将前几个compute_20、compute_30等删除，不然编译可能会报错。

CUDA_ARCH := -gencode arch=compute_61,code=sm_61 \
                           -gencode arch=compute_61,code=compute_61

• 修改头文件与库文件目录

#修改前
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include  
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib  
#修改后
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial /usr/local/cuda/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial /usr/local/cuda/lib64

3.修改Makefile文件

• 修改链接的库文件，增加三个库m hdf5_serial_hl hdf5_serial，修改为：

#修改前
LIBRARIES += glog gflags protobuf boost_system boost_filesystem boost_regex m hdf5_hl hdf5
#修改后
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

• 修改NVCCFLAGS编译参数

#修改前
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
#修改后
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

• 修改LIBARAIES

#修改前
LIBRARIES += boost_thread stdc++
#修改后
LIBRARIES += boost_thread stdc++ boost_regex

• 开始编译

make all -j
make distribute

中途make编译会报错：
报错1：fatal error: leveldb/db.h: No such file or directory

解决1：
参考：https://blog.csdn.net/muyeluo123/article/details/100917291
1.安装leveldb：去https://github.com/google/leveldb下载leveldb
2.编译安装：mkdir build & cd build & cmake .. & make -j4 & sudo make install

下载的时候需要注意thirdparty中的两个文件夹是空的，需要单独再去下载下来放入leveldb对应目录中

报错2：fatal error: lmdb.h: No such file or directory

解决2：
apt安装sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

报错3：

解决3：
因为我的是cuda10

-gencode arch=compute_20,code=sm_20 \
-gencode arch=compute_20,code=sm_21 \

sudo apt-get install libsnappy-dev

问题4
lib/libcaffe.so: undefined reference to cudnnSetLRNDescriptor' lib/libcaffe.so: undefined reference tocudnnGetConvolutionBackwardDataWorkspaceSize'

解决方法4：
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

4.下载预训练模型

去https://github.com/weiliu89/caffe/tree/ssd下载预训练ssd模型（由于这些预训练模型存放在google drive，需要借助道具进行下载）

/home/clark/Projects/caffe_ssd/caffe/models/models_VGGNet_VOC0712_SSD_512x512_ft/models/VGGNet/VOC0712/SSD_512x512_ft/deploy.prototxt
/home/clark/Projects/caffe_ssd/caffe/models/models_VGGNet_VOC0712_SSD_512x512_ft/models/VGGNet/VOC0712/SSD_512x512_ft/VGG_VOC0712_SSD_512x512_ft_iter_120000.caffemodel

5.重新编译autoware1.14

• 修改autoware中的ssdcaffe相关配置
  前往/home/clark/Projects/Autoware1.14.0/src/autoware/core_perception/vision_ssd_detect修改CMakeLists.txt其中SSD_CAFFE的路径为上述安装下的distribute目录
  set(SSD_CAFFE_PATH "$ENV{HOME}/Projects/caffe_ssd/caffe/distribute")
  
• 修改vision_ssd_detect.launch文件
  将其中network_definition_file和pretrained_model_file修改为本地这两个文件实际绝对路径

<arg name="network_definition_file" default="$(env HOME)/Projects/caffe_ssd/caffe/models/models_VGGNet_VOC0712_SSD_512x512_ft/models/VGGNet/VOC0712/SSD_512x512_ft/deploy.prototxt"/>
<arg name="pretrained_model_file" default="$(env HOME)/Projects/caffe_ssd/caffe/models/models_VGGNet_VOC0712_SSD_512x512_ft/models/VGGNet/VOC0712/SSD_512x512_ft/VGG_VOC0712_SSD_512x512_ft_iter_120000.caffemodel"/>

• 然后重新编译Autoware1.14
  删除根目录下的build、install、log目录，这些是上一次编译后的产物

AUTOWARE_COMPILE_WITH_CUDA=1 colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

6.打开一个终端，启动autoware

cd Projects/Autoware1.14.0/
source install/setup.bash
roslaunch runtime_manager runtime_manager.launch

7.启动USB摄像头ros节点

这一步之后可以生成摄像头的话题节点：image_raw

rosrun uvc_camera uvc_camera_node

8.启动ssd caffe

这一步的目的是为了产生ssd目标检测的话题：/detection/image_detection/objects

roslaunch vision_ssd_detect vision_ssd_detect.launch 

9.Autoware打开vision_ssd_detect

• Autoware的Computing选项卡打开vision_ssd_detect

  
  
• 打开右下角rviz的时候，可能会发生中断，继续再打开一遍roslaunch vision_ssd_detect vision_ssd_detect.launch即可
  

• 然后在rviz界面的Panels选项中点击Add New Panel，选中中间intergrated_viewer中的ImageViewerPlugin选项窗口

  
  
• 然后在ImageViewerPlugin窗口的Image Topic话题中选中/image_raw，并且Object Rect Topic话题中选中/detection/image_detector/objects，就可以出现使用ssd预训练模型（VGG_VOC0712_SSD_512x512_ft_iter_120000.caffemodel）检测摄像头中物体的效果。
  

参考：

1. https://gitlab.com/autowarefoundation/autoware.ai/core_perception/tree/master/vision_ssd_detect
2. https://www.ncnynl.com/archives/201910/3434.html
3. https://blog.csdn.net/matt45m/article/details/89601015