---

说明

此工程用于实现ROS1下用TensorRT部署pointpillars模型实现对pointcloud2点云的3D目标检测，源码参考自https://github.com/NVIDIA-AI-IOT/ros2_tao_pointpillars?tab=readme-ov-file
工程中model下提供的模型文件来自https://catalog.ngc.nvidia.com/orgs/nvidia/teams/tao/models/pointpillarnet/files
建议基于自己的数据集使用 https://developer.nvidia.com/tao-toolkit 重新训练生成.onnx模型文件

---

环境准备

• CUDA
• TensorRT 8 或 TensorRT 10
• TensorRT OSS 对应你的TensorRT版本

---

Step1

修改CMakeLists文件以适配你的CUDA，TensorRT系统环境

---

Step2

catkin_make
source devel/setup.bash

---

Step3(可选)

cd model
trtexec --onnx=pointpillars_deployable.onnx --saveEngine=trt.engine --fp16

生成TensorRT可加载的.engine文件

---

Step4

发布你的pointcloud2点云话题，修改cfg文件夹下params.yaml文件

参数名称	功能描述	备注
nms_iou_thresh	非极大值抑制(nms)算法iou阈值	-
pre_nms_top_n	非极大值抑制(nms)之前要考虑的最大候选框数量	-
class_names	pointpillars模型检测类别	-
lidar_input_topic	接收lidar点云话题	-
model_path	.onnx模型文件路径	如果已执行Step3则此处可以不填，此时需要填入engine_path
engine_path	.engine引擎文件路径	如果未执行Step3则此处可以不填，此时需要填入model_path
data_type	模型推理精度	可选fp16或fp32
intensity_scale	点云反射强度归一化	如果模型是在点强度在[0.0-1.0]范围内的数据上训练的，并且推理时的输入数据的强度在[1-255]范围内，则此参数应设置为255.0，以便输入数据与训练数据匹配。

---

Step5

roslaunch lidar_3d_detector run.launch

---