MMdetection3d环境搭建和使用避坑记录

MMdetection3d环境搭建和使用避坑记录

官方github:https://github.com/open-mmlab/mmdetection3d

官方文档：https://mmdetection3d.readthedocs.io/

本文以在MMdetection3d平台简单训练和测试pointpillars为例，推荐一套不容易报错的一条龙配置流程。

• 推荐使用Anaconda创建虚拟环境，这样方便管理环境（比如重装）：

  conda create -n open-mmlab python=3.7 -y
  conda activate open-mmlab
  

• 先安装1.15.0-1.20.0版本的numpy，不然后面会和numba的版本不兼容：

  pip install numpy==1.18.0
  

• 推荐安装1.5.0的pytorch和10.1的cuda，版本不要太高：

  conda install pytorch==1.5.0 cudatoolkit=10.1 torchvision==0.6.0 -c pytorch
  

• 不高于1.4.0版本的mmcv-full：

  pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.5.0/index.html
  

• 2.14.0版本的mmdet：

  pip install mmdet==2.14.0
  

• 0.14.1版本的mmsegmentation:

  pip install mmsegmentation==0.14.1
  

• 下载MMDetection3D:

  git clone https://github.com/open-mmlab/mmdetection3d.git
  cd mmdetection3d
  

• 编译：

  pip install -v -e .
  

• 安装Open3D,方便可视化：

  pip install open3d-python
  

• 数据集的制作形式推荐模仿常用数据集如：KITTI,Waymo:

KITTI文件形式如下，放入对于的自己的数据就好了：

mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│   ├── kitti
│   │   ├── ImageSets
│   │   ├── testing
│   │   │   ├── calib
│   │   │   ├── image_2
│   │   │   ├── velodyne
│   │   ├── training
│   │   │   ├── calib
│   │   │   ├── image_2
│   │   │   ├── label_2
│   │   │   ├── velodyne

KITTI官网：http://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=3d

• 训练

  python tools/train.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class.py
  

  注：训练的时候可能会出现“RuntimeError: CUDA out of memory”的错误，也就是显存泄漏了，所以需要根据自己的显卡的显存修改samples_per_gpu:

  configs/_base_/datasets/kitti-3d-3class.py文件中99行改小sample_per_gpu
  

• 测试

  python tools/test.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class.py checkpoints/epoch_80.pth --eval mAP --options 'show=True' 'out_dir=./data/pointpillars/show_results'
  

  'show=True’的选项需要保证Open3d的安装，提供一个Open3d直接可视化bin文件的脚本，修改路径就好了：

  import os
  import numpy as np
  import struct
  import open3d
  
  def read_bin_velodyne(path):
      pc_list=[]
      with open(path,'rb') as f:
          content=f.read()
          pc_iter=struct.iter_unpack('ffff',content)
          for idx,point in enumerate(pc_iter):
              pc_list.append([point[0],point[1],point[2]])
      return np.asarray(pc_list,dtype=np.float32)
  
  def main():
      root_dir='/home/zhuzhengming/mmdetection3d/data/kitti/kitti_gt_database'
      filename=os.listdir(root_dir)
      file_number=len(filename)
  
      pcd=open3d.open3d.geometry.PointCloud()
  
      for i in range(file_number):
          path=os.path.join(root_dir, filename[i])
          print(path)
          example=read_bin_velodyne(path)
          # From numpy to Open3D
          pcd.points= open3d.open3d.utility.Vector3dVector(example)
          open3d.open3d.visualization.draw_geometries([pcd])
  
  if __name__=="__main__":
      main()