在RTX 3090上复现点云语义分割算法RandLA-net

在大场景三维点云语义分割算法中，RandLA是很有代表性的算法，而且很适合落地，奈何原论文代码的环境是python3.5+tensorflow1.11+cuda9，而cuda9是不能在新显卡RTX3090上跑通的。

官方：https://github.com/QingyongHu/RandLA-Net

我对代码做了一些修改：

1. 提供了一些对预测结果的可视化方法；
2. 在cuda11.4上进行了复现，以支持3090显卡；
3. 对核心部分代码做了一些注释；
4. 在S3DIS数据集上进行了复现。

我的代码：https://github.com/luckyluckydadada/randla-net-tf2.git

• 我的复现环境

RTX 3090 + Ubuntu18.04 + driver470.42.01 + cuda11.4 + cudnn

Python 3.6, Tensorflow 2.6

（/usr/local/cuda-11.4，没有用conda 的cudatoolkit）

• 安装环境

git clone --depth=1 https://github.com/luckyluckydadada/randla-net-tf2.git

conda create -n randlanet python=3.6

conda activate randlanet

pip install tensorflow-gpu==2.6 -i https://pypi.tuna.tsinghua.edu.cn/simple  --timeout=120

pip install -r helper_requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple  --timeout=120

sh compile_op.sh

• S3DIS数据预处理

大场景室内点云标注数据集S3DIS介绍

ls  ~/data/S3DIS/Stanford3dDataset_v1.2_Aligned_Version

python utils/data_prepare_s3dis.py  # 通过Stanford3dDataset_v1.2_Aligned_Version 生成input_0.040和original_ply

• 训练 area2~5 ：

python -B main_S3DIS.py --gpu 0 --mode train --test_area 1

• 预测area1：

python -B main_S3DIS.py --gpu 0 --mode test --test_area 1

• 结果：

73.78 | 96.42 95.53 78.33 52.15 54.05 79.38 85.67 68.90 79.45 63.07 63.00 75.16 67.99 

Reproject Vote #6

Confusion on full clouds

Area_1_office_16 Acc:0.9133100826162774

。。。。

Area_1_office_24 Acc:0.9324184046748064

Area_1_conferenceRoom_2 Acc:0.822207238899312

--------------------------------------------------------------------------------------

73.95 | 96.37 95.42 78.38 51.32 54.74 80.41 85.54 69.17 80.56 64.14 62.25 74.98 68.09 

--------------------------------------------------------------------------------------

• 一些工具

vis_S3DIS.py

可视化原始点云（左）和label（右）在ply文件上：

​​​​​​​​​​​​​​

 可视化label（左）和预测结果（右）在ply文件上：