ZDT_2002

> Experiencing the same issue here. Having the same hypothesis as what @ning-zelin mentioned. A temporary workaround could be: > > 1. comment out the code creating the `rebuild_thread` to...

I install the tensorRT 8.6.1 with cuda 11.8 and cudnn 8.9(docker nvidia/cuda:11.8.0-cudnn8-devel-ubuntu20.04) and opencv4.2.0, then I run this code using nvidia RTX 4090. The running time of superpoint is 0.01ms...

Tensor8.5应该与8.6都是支持40系列的，我第一次安装的时候用的就是8.5.1.7，但是整个系统卡死了。我没有打断点来判断是哪里出问题了，直接找了8.6的tensorRT，然后把docker的cudnn换为了8.9(一开始的docker是8.6的cudnn)。至于运行时间 我感觉不太正常，跟我差的有点多(我的也够离谱的)，你是运行100次之后的结果么。或者可以加微信讨论一下(我的CSDN博客名是Super_coconut，咱私聊就可以加微信了，我也是一个初学者)。我在作者的100次的for循环里面加了一个重新读取图片的操作之后，这样每一次superpoint推理的时间就变成了2ms(很神奇，因为我没有计算读取图片的时间)。如果每一次只推理一张图片，或者只匹配一次的时间是20ms与500ms，这种情况可能是因为单次操作加载模型什么的比较废时间。 这是我的执行结果，看起来匹配的结果要比你的好一点 

> Thank you very much for your outstanding project In this image, there are shaded areas such as lane markings, making it easier to select points. However, in my image...

> 主要是跑的提供的数据集对比，效果很好，但是没有对比出是否加入相机的点云区别 我自己跑是了下velodyne16 + d435 ，效果一般，主要应该是外参标定和相机的有些问题 我自己用的435i跟avia，效果也是一般，不知道是不是我自己外参弄的有问题

> > > 主要是跑的提供的数据集对比，效果很好，但是没有对比出是否加入相机的点云区别 我自己跑是了下velodyne16 + d435 ，效果一般，主要应该是外参标定和相机的有些问题 > > > > > > 我自己用的435i跟avia，效果也是一般，不知道是不是我自己外参弄的有问题 > > 我用的Orbbec Gemini3335L和mid360效果非常好。可以从外参标定方面检查，严格使用优质的标定板，我用的是5mm铝合金的，识别码别用普通的纸，遇到胶水容易变形。再就是435i不是全局快门可能也是原因之一。 我手边没有那么好的标定版，所以我的操作方法就是用的无目标的[标定方法](https://github.com/koide3/direct_visual_lidar_calibration) ，D435i确实不是全局快门，而且我是安装在车上，D435i与avia之间的外参可能受到车震动的影响不够准确，D435i还没有弄成全局快门，我是手动做的软件同步

> > > > > 主要是跑的提供的数据集对比，效果很好，但是没有对比出是否加入相机的点云区别 我自己跑是了下velodyne16 + d435 ，效果一般，主要应该是外参标定和相机的有些问题 > > > > > > > > > > > > 我自己用的435i跟avia，效果也是一般，不知道是不是我自己外参弄的有问题 > > > > > > >...