Pointpillars ubuntu 18.04 部署 纪实
前言：
废话就不多说了，记录以下，使用的工具包版本：
anaconda3-5.3.0.sh
pointpillars 连接 ：
https://gitee.com/luogyu/second.pytorch
这个仓库是从 原原原github code 拉取转存的。不要用别的修改的仓库代码，并不好用。直接按照原文给的步骤一步一步来。
1.使用git clone 代码 到 ubuntu 制定文件夹，这里文件夹为 pointpillars3666
2. 依照下列步骤 以此 创建 虚拟环境，激活环境，以及三个第三方包。
注： 虚拟环境创建一定要在3.7 或3.7以上。并不是pointpillars代码需要这个python版本，而是后面的spconv包需要3.7以上，后面会说到。
conda create -n pointpillars python=3.7 anaconda
source activate pointpillars
conda install shapely pybind11 protobuf scikit-image numba pillow
conda install pytorch torchvision -c pytorch
conda install google-sparsehash -c bioconda3. 安装 spconv 包。它是稀疏卷积包的一种，注意：他和SparseConvnet不是一回事。他们分别是稀疏卷积包的一种。
拉取spconv代码到 目录./second.pytorch/second/目录下，即拉取后的目录为“./second.pytorch/second/spconv/”
拉取spconv代码地址:
https://gitee.com/luogyu/spconv.git目录形式为：
进入目录执行命令：
pip install pccm cumm wheel
python setup.py bdist_wheel
cd dists/
pip install xxx.whl
(python 的 3.7版本 就是 应对 spconv 2.x版本文件要求的)
4. 安装 SparseConvnet
拉取代码地址：
https://gitee.com/luogyu/leftlink_-sparse-conv-net.git拉取地址后，./second.pytorch/second/目录下是这种形式：
进入SparseConvnet目录下 ：
执行bash build.sh
5. 数据组织：
KITTI数据按照
https://gitee.com/luogyu/second.pytorch中给出的样子：
└── KITTI_DATASET_ROOT
├── training <-- 7481 train data
| ├── image_2 <-- for visualization
| ├── calib
| ├── label_2
| ├── velodyne
| └── velodyne_reduced <-- empty directory
└── testing <-- 7580 test data
├── image_2 <-- for visualization
├── calib
├── velodyne
└── velodyne_reduced <-- empty directory
6. 创建kitti infos ，创建 reduced point cloud，创建 groundtruth-database infos:
依次执行命令如下：
python create_data.py create_kitti_info_file --data_path=KITTI_DATASET_ROOT
python create_data.py create_reduced_point_cloud --data_path=KITTI_DATASET_ROOT
python create_data.py create_groundtruth_database --data_path=KITTI_DATASET_ROOT其中KITTI_DATASET_ROOT是自己 KITTI数据集根目录,我的为:
/media/l1/disk/home/l1/data/sets/kitti_second/
这三个命令执行结束需要一段时间。
7.修改config 文件路径：
需要指定.config/pointpillars/car/下.proto文件的数据目录
原文中给的是：
train_input_reader: {
...
database_sampler {
database_info_path: "/path/to/kitti_dbinfos_train.pkl"
...
}
kitti_info_path: "/path/to/kitti_infos_train.pkl"
kitti_root_path: "KITTI_DATASET_ROOT"
}
...
eval_input_reader: {
...
kitti_info_path: "/path/to/kitti_infos_val.pkl"
kitti_root_path: "KITTI_DATASET_ROOT"
}
将path/to/ 更换为/media/l1/disk/home/l1/data/sets/kitti_second/
7.训练时报错
在voxelnet 模型 911行：
在
second.pytorch\second\pytorch\models文件夹下的voxelnet.py的911行：
opp_labels = (box_preds[..., -1] > 0) ^ dir_labels.byte()
# 换成如下
opp_labels = (box_preds[..., -1] > 0) ^ dir_labels.bool()
numpy 版本 需要 换成1.17.2：
conda uninstall numpy==1.19.2
conda install numpy==1.17.27. 训练数据
执行命令：
python ./pytorch/train.py train --config_path=./configs/pointpillars/car/xyres_16.proto --model_dir=/path/to/model_dir状态：
8.前端调试