Ubuntu系统安装＋SLAM开发环境配置＋深度学习框架搭建　完整教程套装

马上又是一个开学季，一大波新生力量将会加入这个队伍，这是一份关于Ubuntu+Eigen+OpenCV+PCL+g2o+ceres+NVIDIA Driver＋CUDA+cuDNN+TensorFlow+CLion+Sogou+TeamViewer+MeshLab+CloudCompare详细安装教程　哈哈哈哈哈哈哈哈刀哈哈哈哈，希望能够对你有所帮助，也可以分享给有需要的朋友，转载记得注明出处哦～

Ubuntu系统安装

声明：对此部分参考的博文表示由衷的感谢，https://blog.csdn.net/u012052268/article/details/77145427 https://blog.csdn.net/zhangxiangweide/article/details/74779652

1. Ubuntu系统安装盘的制作教程参考：https://jingyan.baidu.com/article/a65957f4d564eb24e67f9b99.html

2. 将U盘插入电脑，开机进入BIOS，设置U盘启动。不同电脑的主板不同，其BIOS界面会略有不同，这里可根据自己电脑的型号自行百度解决。

3. 选择“Install Ubuntu”。当然也可以先选择试用，在进入Ubuntu应用界面之后再进行安装。

4. 选择“English”。个人不建议中文，中文存在众多解决不了的bug足够让你疯掉。

5. 选择“Connect to this network”。联网可以为你自动下载一些更新。

6. 选择“Install thrid-party sofeware for graphics and Wi-Fi hardware,MP3 and other media”。

7. 选择“Something else”。

8.接下来就是比较重要的磁盘分区了，合理的分区大小可参上上边链接的连篇文章。以下是我的分区情况，其中我的电脑是1T机械硬盘+125G固态硬盘，固态硬盘用来安装Windows系统了，从机械硬盘中拿出来600G装Ubuntu系统，剩下的用来存放数据。

选择系统将要安装在的硬盘，点击“+”，增加挂载点。

创建主分区    “15G Primary Beginning of this space Ext4 journaling file system /”

创建swap分区    “20G Logical    Beginning of this space swap area”

创建boot分区    “1G Logical    Beginning of this space Ex4 journaling file system /boot”

创建home分区 “564G(剩余所有) Logical    Beginning of this space Ex4 journaling file system /home”

“Device for boot loader installation”选择系统所安装在的磁盘。

点击“Install“开始安装。

9. 重启电脑，完成Ubuntu系统的安装，开启奇异美妙的Ubuntu的之旅吧~

SLAM开发环境配置

安装Eigen库

恩，只需要这一行命令就可以了。如果要看源码，可以从github上clone：https://github.com/eigenteam/eigen-git-mirror
sudo apt-get install libeigen3-dev

安装PCL库

声明：这里就不感谢了，参考的自己的博客，哈哈哈哈刀哈哈哈哈哈哈哈

这里介绍如何直接从Ubuntu的源中优雅的安装PCL，避免一些繁琐的步骤。

1. 安装PCL。
sudo add-apt-repository ppa:v-launchpad-jochen-sprickerhof-de/pcl  //加入源
sudo apt-get update  //更新
sudo apt-get install libpcl-dev  //安装
2. 如果手头有点云文件，打开终端，测试一下。你见过我的小熊吗？(该数据来自TUM数据集)
pcl_viewer 文件路径  

安装OpenCV 库

1. 从官网上下载下来你需要版本的源码：https://opencv.org/releases.html，2.*和3.*版本的差别还是有点大的，自行百度。

2.安装各种依赖包.
sudo apt-get install build-essential  //安装编译工具
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev  //安装依赖包 
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev  //安装可选包 
3. 进行解压，接着就是cmake工程编译安装的那一套。
cd 文件夹路径  //进入文件夹
mkdir build  //创建build文件夹
cd build  //进入build文件夹
cmake ..  //进行cmake,后边的两个点不要漏了
make -j8  //make编译，-j8是指使用８个线程，这样可以大大提高编译的速度。
sudo make install  //不解释了
4. 不报错基本上就是OK的，不会有问题。验证的话，可以建个工程，简单的写几句读取图像测试一下。

安装g2o

声明：感谢g2o

1. 安装依赖项。

sudo apt-get install cmake 
sudo apt-get install libeigen3-dev 
sudo apt-get install libsuitesparse-dev 
sudo apt-get install qtdeclarative5-dev 
sudo apt-get install qt5-qmake 
sudo apt-get install libqglviewer-dev

2. 下载源码，GitHub：https://github.com/RainerKuemmerle/g2o

3. 编译安装g2o库。

cd 安装包文件路径  //进入到安装包文件夹内
mkdir build 
cd build 
cmake ..
make -j8
suao make install

４．Over.

安装ceres

声明：致谢：http://www.mamicode.com/info-detail-2184490.html

1. 安装依赖项。
sudo apt-get install cmake
sudo apt-get install libgoogle-glog-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libeigen3-dev
sudo apt-get install libsuitesparse-dev
2. 从github上下载源码，再立一个传送门：https://github.com/ceres-solver/ceres-solver

3. 编译安装ceres库，还是cmake的那一套。
cd 安装包文件路径  //进入到安装包文件夹内
mkdir build 
cd build 
cmake ..
make -j8
suao make install
4. 好了，你可以用它进行非线性优化求解啦～

深度学习框架搭建

安装NVIDIA显卡驱动

关乎和显卡有关系的问题，都不是很容易就能解决的，系统崩溃也大多是由它造成，在艰辛的科研之路上狂野的蹂躏我们。所以在安装之前，让我们深吸气，大喊一声“Fu*k you, NVID*A”。

以下提供两种方法。第一种方法是使用Ubuntu自身提供的，我最后使用的也就是这个方法，因为命令行的方法遇到一些无解的bug，只能放下傲娇，屈服于简单。第二种方法是自行下载安装包，使用命令行进行安装，有点复杂，有可能会出现操作不当无法进入系统的尴尬局面。

声明：诚挚感谢所参考的博客：https://blog.csdn.net/qq_20492405/article/details/79034430 https://www.cnblogs.com/shrimp-can/p/5134426.html https://blog.csdn.net/qq378947986/article/details/80292899

方法1：

1. “System Settings”——>“Software & Updates”——>“Additional Drivers”

2. 稍等一会，这里将会显示出来关于显卡驱动的信息。在第一栏“NVIDIA corporation: Unknown”中选择第一个，这个也就是检测到适合你电脑显卡的驱动，然后“Apply Changes”即可。

3. 重启电脑之后，电脑电源按钮并选择”About This Computer“，可以看到现在使用的显卡已经是独立显卡了，我这里是GeoForce GTX 1060。

4. 你还可以查看驱动和显卡信息。
nvidia-smi

方法2：

1.根据显卡型号下载合适的驱动，下载地址：https://www.geforce.cn/drivers。我下载的是NVIDIA-Linux-x86_64-384.130.run

2.将下载的安装包存放在Downloads文件夹，当然你可以根据自己洗好存放在任意的地方。以下为了表达简单，就以Downloads文件夹为例。

3.在进行下边命令的时候，最好先把命令行代码这部分拍下来，因为接下来要进入字符界面，屏幕黑掉之后，你就和我失去了联系，可能会陷入恐慌茫然不知所措。哈哈哈哈哈...
ctrl+alt+f1  //进入字符界面，并按照提示输入用户名和密码

//这三条命令是卸载已装显卡驱动用的，你可能之后也会用得到
sudo apt-get remove nvidia-*
sudo apt-get autoremove
sudo nvidia-uninstall  
//到这里你已经卸载掉了电脑上已经安装过的NVIDIA显卡驱动

sudo service lightdm stop  //很关键，必须要执行
cd /home/liuhang/Downloads //进入到安装包所存放的路径下
ls  //不记得自己下载的安装包的名字了吧，别慌，显示这个路径下所有文件的名字，找出来需要的那一个
sudo sh ./NVIDIA-Linux-x86_64-384.130.run -no-x-check -no-nouveau-check -no-opengl-files  //换成自己安装包的文件名，后边的禁用一些东西，听话，一定要加

接下来按照默认一路点下去就可以了

sudo service lightdm restart  //显卡驱动已经安装好了，重启电脑
4. Hello，欢迎你又回来啦，很高兴再次见到你。按照方法1中的步骤3，看一下现在使用的显卡是不是独立显卡了呢？如果是，那就非常恭喜你了，后边可以不用再看啦。如果很不幸，显示的仍然是Intel的集成显卡，继续往下做。

5. 安装显卡切换软件。
sudo apt-get install nvidia-prime  //安装prime 
sudo add-apt-repository ppa:nilarimogard/webupd8  //添加PPA更新源
sudo apt-get update  //更新源列表
sudo apt-get install prime-indicator  //安装双显卡切换指示器,在状态栏里会有一个NVIDIA的logo
6. 切换显卡。
nvidia-settings  //打开英伟达显卡设置面板，并在“Prime profiles”中设置为独立显卡,会提示你重新注销重新登录
7. 什么？在nvidia-settings里不显示prime profiles选项，像下图那样，唯独缺少这一项，有木有觉得世界充满了邪恶，整个宇宙都在跟你作对。没错，这就是我遇到的情况[微笑] 。据说如果先执行步骤5，再执行步骤3就不会遇到这种情况，我没有试，你可以试试，反正现在你已经正在经历绝望，因为即使搜遍百度，必应，谷歌也找不到能够work的方法。如果你通过什么方法解决了这个问题，麻烦你能告诉我一下，谢谢啦。

是的，所以这也是我为什么最终使用了方法1的原因。

8. 如果更加不幸，在执行完步骤3安装完显卡驱动之后，开机黑屏无法进入系统。哈哈哈哈哈哈哈哈哈哈，你怎么和我一样这么倒霉，哈哈哈哈哈哈哈。好了，不笑了，说一下解决方法。

在强制关机之后，开机，一直按着shift键，进入grub界面。
按e键，进入编辑界面，按上下左右键移动光标至倒数第二行，在ro quiet后面空格添加nomodeset。
完成修改之后，按F10键启动系统，就可以重新看到图形界面了。
然后该怎么办呢，个人建议是卸载掉刚才安装的显卡驱动，然后使用方法1安装显卡驱动，至于怎么卸载显卡驱动可参考步骤3中部分命令。

安装CUDA

声明：真诚感谢所参考的博客：https://blog.csdn.net/qq_20492405/article/details/79034430

1.下载合适的CUDA安装包：https://developer.nvidia.com/cuda-toolkit-archive 我下载的是cuda_8.0.61_375.26_linux.run，没有必要下载最新的9.*版本，现在的深度学习的资料都是基于8.*版本，

2. 同样可以将安装包放在Downloads文件夹，然后进行安装。
cd /home/liuhang/Downloads  //进入安装包存放路径
sudo sh ./cuda_8.0.61_375.26_linux.run -no-opengl-libs  //安装cuda
3. 接下来是一个非常长的license，长按“ctrl+f”向下翻页，直至最后。

4. 在接着是一些选项设置，问题及参考答案如下。

Do you accept the previously read EULA? accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26? n(一定要no，因为前边已经装过显卡驱动了)

Install the CUDA 8.0 Toolkit? y

Enter Toolkit Location 直接按“enter”键，选择默认路径

Do you want to install a symbolic link at /usr/local/cuda? y

Install the CUDA 8.0 Samples? y

Enter CUDA Samples Location 直接按“enter”键，选择默认路径

5. OK，CUDA安装已经完成，是不是有一丢丢顺风顺水洋洋得意的感觉呢？

6. 可以测试一再次测试一下是否安装成功。
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery  //进入samples存放的路径
sudo make -j8  //编译
./deviceQuery  //运行
如果终端可以显示这些信息，恭喜你，没问题啦。同样，sample文件夹里边的其他例子你也可以编译运行试试看a

安装cuDNN

声明：致谢参考博客 https://blog.csdn.net/autocyz/article/details/52299889/　　　https://blog.csdn.net/weixin_39704651/article/details/79605585 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html

1. 下载合适版本的cuDNN：https://developer.nvidia.com/rdp/cudnn-archive　我的CUDA是8.0版本，可以选择的cuDNN版本有7.0和6.0，最开始使用了7.0，但是安装ｔensorflow 的时候会报错"libcusolver.so.６.0: cannot open shared object file: No such file or directory"，所以删掉7.0重新安装6.0之后成功。

2. 下载完cudnn6.0之后进行解压，cd进入到解压之后的include目录，在终端输入以下命令。
sudo cp cudnn.h /usr/local/cuda/include/    #复制头文件
3. 再cd进入lib64目录下的动态文件进行复制和链接。
sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5    #删除原有动态文件
sudo ln -s libcudnn.so.5.0.5 libcudnn.so.5  #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so      #生成软链接

安装TensorFlow

声明：致谢参考博文 https://blog.csdn.net/hgdwdtt/article/details/78633232　https://www.cnblogs.com/king-lps/p/8521310.html

基本软件安装

安装Clion IDE

1. 首先当然是要下载安装包和解压啦，传送门：https://www.jetbrains.com/clion/download/#section=linux

2. 安装Clion。
cd /home/liuhang/Downloads/clion-2018.1.3/bin  //计入安装包的bin文件夹
./clion.sh  //运行该文件，安装过程是一个可视化的界面，就不截图了。
3. 破解。根据我尝试的结果，网上现在流传的破解的地址服务器，基本上都不work了。但是它还是给我们留下了一扇窗的，如果你有学校的邮箱，也就是edu结尾的邮箱，那么可以注册学生账号，免费使用。注册在这里：https://www.jetbrains.com/shop/eform/students

安装Sogou输入法

声明：该部分内容参考以下两篇博客，在此表示真心的感谢。

https://www.cnblogs.com/lrj567/p/6307329.html https://blog.csdn.net/u013894834/article/details/60357071

1. 安装fcitx和sogou输入法，其中sogou输入法是依赖fcitx的，所以一定要装的。
sudo add-apt-repository ppa:fcitx-team/nightly  //添加源 
sudo apt-get update  //更新
sudo apt-get -f install  //安装依赖
sudo apt-get install fcitx  //安装fcitx
sudo apt-get install fcitx-config-gtk  //安装fctix配置工具
sudo apt-get install fcitx-table-all  //安装fcitx的table-all软件包
sudo apt-get install im-switch  //安装im-switch切换工具
cd 安装包所在的路径  //到Sougou输入法安装包所在的路径
sudo dpkg -i 安装包文件名  //安装sogou输入法
2. 设置输入法：“System settings”——>"Language Support"——>"Keyboard input method system:"——>"fcitx"

3. 重启电脑：reboot

4. 继续设置：“System settings”——>“Text Entry”——>"+"——>"Sogou Pinyin(Fcitx)"——>"Add"

5. 再设置：点击电脑桌面右上角的键盘符号， “Configurate”——>"+"——>“Sogou Pinyin”——>"OK"

6. 至此，你可以愉快的使用Sogou 输入法啦~

安装TeamViewer

1. 官网下载安装包：https://www.teamviewer.com/zhcn/download/linux/

2. 双击下载的.deb文件，完成按安装。

安装MeshLab

sudo add-apt-repository ppa:zarquon42/meshlab  //导入源
sudo apt-get update  //更新
sudo sudo apt-get install meshlab  //安装MeshLab

安装CloudCompare

声明：致谢参考博客 https://blog.csdn.net/fangjin_kl/article/details/78914955 https://www.cnblogs.com/dsczl/p/8872326.html

Do you accept the previously read EULA?	accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?	n(一定要no，因为前边已经装过显卡驱动了)
Install the CUDA 8.0 Toolkit?	y
Enter Toolkit Location	直接按“enter”键，选择默认路径
Do you want to install a symbolic link at /usr/local/cuda?	y
Install the CUDA 8.0 Samples?	y
Enter CUDA Samples Location	直接按“enter”键，选择默认路径

Ubuntu系统安装＋SLAM开发环境配置＋深度学习框架搭建 完整教程套装

Ubuntu系统安装

SLAM开发环境配置

安装Eigen库

安装PCL库

安装OpenCV 库

安装g2o

安装ceres

深度学习框架搭建

安装NVIDIA显卡驱动

安装CUDA

安装cuDNN

安装TensorFlow

基本软件安装

安装Clion IDE

安装Sogou输入法

安装TeamViewer

安装MeshLab

安装CloudCompare

猜你喜欢

Ubuntu系统安装＋SLAM开发环境配置＋深度学习框架搭建　完整教程套装