OpenPCDet安装和快速演示

https://github.com/open-mmlab/OpenPCDet

要求

所有代码均在以下环境中经过测试:

  • Linux(已在Ubuntu 14.04 / 16.04上测试)
  • Python 3.6以上
  • PyTorch 1.1或更高版本(在PyTorch 1.1、1,3、1,5上测试)
  • CUDA 9.0或更高版本(PyTorch 1.3+需要CUDA 9.2+)
  • [spconv v1.0(commit 8da6f96)](https://github.com/traveller59/spconv/tree/8da6f967fb9a054d8870c3515b1b44eca2103634)或[spconv v1.2](https://github.com/traveller59/ spconv)

安装spconv1.2.1

git clone https://github.com/traveller59/spconv.git --recursive

cd spconv
python setup.py bdist_wheel

查看dist文件夹中生成的whl文件

cd ./dist
ls

安装该文件

pip install spconv-1.2.1-cp27-cp27-linux_x86_64.whl #换成自己的whl文件名字

OpenPCDet安装和快速演示_第1张图片

检验
检验spconv是否安装成功,无报错即可

python
import spconv

OpenPCDet安装和快速演示_第2张图片

安装pcdet v0.3

注意:即使已经安装了以前的版本,也请通过运行python setup.pydevelop重新安装pcdet v0.3

a 克隆此存储库。

git clone https://github.com/open-mmlab/OpenPCDet.git

b 如下安装依赖库:

进入到OpenPCDet目录下,安装所有依赖

cd OpenPCDet
pip install -r requirements.txt 

可能会超时,Read timed out,解决办法:

下载命令后添加参数–default-timeout=1000

 pip install -r requirements.txt --default-timeout=1000

c。通过运行以下命令来安装该pcdet库:

python setup.py develop 

检验是否安装成功,无报错即可

python 
import pcdet

OpenPCDet安装和快速演示_第3张图片

快速演示

在这里,我们提供了一个快速演示,可以在自定义点云数据上测试预训练的模型并可视化预测结果。

我们假设您已经按照INSTALL.md OpenPCDet成功安装了存储库。

  1. 下载所提供的预训练模型,如README.md所示。
  2. 确保您已经安装了mayavi可视化工具。如果没有,您可以按以下方式安装它:pip install mayavi

3、 准备您的自定义点云数据(如果使用原始的KITTI数据,请跳过此步骤)。

  • 您需要将自定义点云的坐标转换为的统一标准坐标OpenPCDet,即x轴指向正面方向,y轴指向左侧方向,z轴指向顶部方向。
  • (可选)您的点云坐标的z轴原点应在地面上方约1.6m,因为当前提供的模型是在KITTI数据集上进行训练的。
  • 设置强度信息,并将转换后的自定义数据保存到numpy file:
  #转换您的点云数据
...

#将其保存到文件中。
#点的形状应为(num_points,4),即[x,y,z,强度](仅适用于KITTI数据集)。  
#如果您没有强度信息,只需将其设置为零即可。
#如果有强度信息,则应将其标准化为[0,1]。
点[:,3 ] =  0  
np。保存(`my_data.npy`,points)

4、 使用预训练的模型(例如PV-RCNN)和您的自定义点云数据运行演示,如下所示:

python demo.py --cfg_file cfgs / kitti_models / pv_rcnn.yaml \
    --ckpt pv_rcnn_8369.pth \
    --data_path $ {POINT_CLOUD_DATA}

${POINT_CLOUD_DATA}可能是以下格式:

  • 使用单个numpy文件(如)转换的自定义数据my_data.npy
  • 带有目录的转换后的自定义数据可用于测试多个点云数据。
  • 内的原始KITTI.bin数据data/kitti,例如data/kitti/training/velodyne/000008.bin

例如:

python demo.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml --ckpt pv_rcnn_8369.pth --data_path ../data/kitti/testing/velodyne/000008.bin 

然后,您可以使用可视化点云查看预测结果,如下所示:
OpenPCDet安装和快速演示_第4张图片
OpenPCDet安装和快速演示_第5张图片OpenPCDet安装和快速演示_第6张图片

你可能感兴趣的:(PCDet)