【机器人】复现 GraspNet 端到端抓取点估计 | PyTorch2.3 | CUDA12.1

GraspNet是通用物体抓取的大规模基准的基线模型，值得学习和复现。

本文分享使用较新版本的PyTorch和CUDA，来搭建开发环境。

论文地址：GraspNet-1Billion: A Large-Scale Benchmark for General Object Grasping

开源地址：https://github.com/graspnet/graspnet-baseline

1、安装torch2.3.1和cudatoolkit

首先创建一个Conda环境，名字为graspnet，python版本为3.10

然后进行graspnet环境

conda create -n graspnet python=3.10
conda activate graspnet

这里需要安装pytorch2.3.1，cudatoolkit=12.1

conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia

pytorch2.3.1官网地址：https://pytorch.org/get-started/previous-versions/

2、安装CUDA12.1

首先需要安装好Nvidia 显卡驱动，后面还要安装CUDA12.1

输入命令：nvidia-smi，能看到显卡信息，说明Nvidia 显卡驱动安装好了

 然后需要单独安装CUDA12.1了，上面虽然安装了CUDA12.2也不影响的

各种CUDA版本：CUDA Toolkit Archive | NVIDIA Developer

CUDA12.1下载地址：CUDA Toolkit 12.1 Update 1 Downloads | NVIDIA Developer

然后下载cuda_12.1.1_530.30.02_linux.run文件

wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run

开始安装

sudo sh cuda_12.1.1_530.30.02_linux.run

来到下面的界面，点击“Continue”

输入“accept”

下面是关键，在530.30.02这里“回车”，取消安装；

这里X是表示需要安装的，我们只需安装CUDA12.1相关的即可

安装完成后，能看到/usr/local/cuda-12.1目录啦

(base) lgp@lgp-MS-7E07:~/2025_project$ ls /usr/local/
bin   cuda-11.1  cuda-12.1  games    lib  sbin   src
cuda  cuda-11.3  etc        include  man  share

设置CUDA环境变量

export CUDA_HOME=/usr/local/cuda-12.1

3、安装GraspNet相关依赖库

下载graspnet代码

git clone https://github.com/graspnet/graspnet-baseline.git
cd graspnet-baseline-main

编辑 requirements.txt为：

numpy==1.23.0
scipy
open3d>=0.8
Pillow
tqdm

 开始安装Graspness相关依赖库

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

4、编译安装pointnet2和knn

这些两个的安装需要CUDA编译的，依赖于前面的export CUDA_HOME=/usr/local/cuda-12.1

首先来到graspnet-baseline-main工程中，安装pointnet2

cd pointnet2
python setup.py install

再安装knn

cd knn
python setup.py install

5、安装graspnetAPI 

下载graspnetAPI 代码，进行解压，进入文件目录

git clone https://github.com/graspnet/graspnetAPI.git
cd graspnetAPI

需要修改 setup.py文件，将其中的sklearn替换为scikit-learn，并且numpy==1.23.0

然后进行安装：

pip install . -i https://pypi.tuna.tsinghua.edu.cn/simple

到这里安装完成啦～

6、模型推理——抓取点估计

跑一下模型推理的demo，看看可视化的效果：

输出Top1的抓取位姿，需要修改代码 gg = gg[:1]

def vis_grasps(gg, cloud):
    gg.nms()
    gg.sort_by_score()
    gg = gg[:1]
    print(gg)
    grippers = gg.to_open3d_geometry_list()
    o3d.visualization.draw_geometries([cloud, *grippers])

分享完成～