PCDet在Linux服务器上安装

一、安装步骤:

①设置conda虚拟环境：

conda create -n PCDet python=3.6
conda activate PCDet

②下载pytorch1.3和cudatoolkit10.0：

conda install pytorch=1.3 torchvision cudatoolkit=10.0

③测试pytorch是否可用：

python
import torch
print(torch.cuda.is_available())

④下载spconv1.2 + 刷新一下文件列表:
在某个文件夹中下载：
此处不要用–recursive，因为项目中有子项目（git submodule）
将 https://github.com 改成 https://github.com.cnpmjs.org 用国内镜像下载，不然会超级慢。

git clone https://github.com.cnpmjs.org/traveller59/spconv.git

然后进入third_party中再下载子项目

cd spconv
cd third_party
git clone https://github.com.cnpmjs.org/NVIDIA/cutlass.git
git clone https://github.com.cnpmjs.org/boostorg/mp11.git
git clone https://github.com.cnpmjs.org/pybind/pybind11.git

⑤下载cmake并将cmake可执行文件添加到PATH：

 sudo apt  install cmake

⑥返回到spconv目录执行：

 python setup.py bdist_wheel

如果这里出现这种问题，代表之前的子项目没有安装好，请返回步骤④重新执行；或者cmake的版本太低，请查看具体的错误信息

⑦安装whl

cd ./dist
pip install spconv-1.2.1-cp36-cp36m-linux_x86_64.whl -i https://mirrors.aliyun.com/pypi/simple

此处用到pip的临时镜像加速

⑧然后在PCDet的目录下：

pip install -r requirements.txt 
python setup.py develop

至此安装部分完成

二、处理数据集
①进入PCDet的Getting Started部分
按如下布置好KITTI数据集

②返回OpenPCDet目录执行：

python -m pcdet.datasets.kitti.kitti_dataset create_kitti_infos tools/cfgs/dataset_configs/kitti_dataset.yaml

三、训练并测试模型

python train.py --cfg_file=cfgs/kitti_models/pv_rcnn.yaml --batch_size=1 --epochs=5 --workers=0

四、运行demo

python demo.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml --ckpt  /workspace/root/OpenPCDet-master/output/kitti_models/pv_rcnn/default/ckpt/checkpoint_epoch_1.pth --data_path ../data/kitti/testing/velodyne/000008.bin 

如果出现该问题代表ckpt（模型）的路径没设置好

五、若出现问题需删除环境：

conda activate base
conda remove -n PCDet --all