1、CenterPoint: Center-based 3D Object Detection and Tracking 环境配置

Introduction

这篇文章刚刚被CVPR2021收录，利用鸟瞰图中物体的中心点来进行三维目标检测与跟踪。
使用的数据集是nuScenes和Waymo，是更具有挑战性的3D目标检测数据集。

• stage 1： CenterPoint首先利用基于keypoint的检测器来检测物体的中心，并回归出其他属性，包括3D size，3D orientation，和速度。
• stage 2：refine the estimates result，利用物体上额外的点云数据。

在3d跟踪任务中，CenterPoint利用greedy closest-point matching，总体的检测和跟踪算法简单，高效，在benchmark上表现优异。

这篇文章的优势在于以下几点:

• 简单: 可以用两句话来对于method做一个总结，"文章利用了标准的3d点云encoder编码和一些卷积层在head部分来产生bird-eye-view heatmap和一些其他的dense回归outputs(包括到上一帧物体中心的偏移量）。检测部分simple local peak extraction with refinement，跟踪部分 closest-distance matching
• 快且准: 不论是精度还是速度指标结果都不错
• 易扩展性：Simple replacement for anchor-based detector in your novel algorithms.

一些可以用到的第三方资源:

• CenterPoint-KITTI: Reimplementation of CenterPoint on the KITTI dataset 在KITTI数据集上的实现。
• AFDet: another work inspired by CenterNet achieves good performance on KITTI/Waymo dataset.
• mmdetection3d: CenterPoint in mmdet framework. 后期可以看一下

一些好的开源codebases，可以利用在3d点云目标检测上的:

• det3d
• second.pytorch
• CenterTrack
• CenterNet
• mmcv
• mmdetection
• OpenPCDet

从标题上来看，这篇文章应该是2d detection CenterNet向3d detection迁移的方法。可以利用open3d来对于点云数据进行可视化，这是作者尚未做的。

利用CenterPoint解决问题时有什么问题的可以给作者发邮件:

• Tianwei Yin [email protected]
• Xingyi Zhou [email protected]

环境配置

Anaconda安装

由于重装了系统，所以还要再把anaconda重新装一遍。

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/在清华镜像站下载安装包，下载的有点慢，之前u盘里存了安装包，直接用了。
  
• Ubuntu18.04 安装 Anaconda3按照这个博客的流程安装即可。
  
• 配置环境变量

$ sudo vim ~/.bashrc

# anaconda3
export PATH="/home/vanessa/anaconda3/bin:$PATH"

$ source ~/.bashrc

配置

在det3d的文档上改的，项目基于det3d做的，环境应该都差不多。

Requirements：

• OS: Ubuntu 16.04/18.04
• Python: 3.6.5
• PyTorch: 1.1
• CUDA: 10.0
• CUDNN: 7.5.0
• CMake 3.13.2 or higher
• APEX
• spconv

Pytorch安装

1. anaconda创建新环境的时候报错unset all_proxy && unset ALL_PROXY，命令行输入unset all_proxy && unset ALL_PROXY然后重置anacondaanaconda-navigator --reset即可。原因：在使用SOCKS代理后，添加全局代理导致conda、pip指令无法使用的问题。

2. pytorch下载速度极慢，利用清华镜像设置软件源，然后下载的时候去掉-c pytorch命令即可
   
   发现还是很慢didnt match Content解决方案，把conda更新到了最新版本，慢慢装还是能装下来的。
   未来可能会遇到预训练模型的下载出问题pytorch url下载预训练模型

• 还是下载出问题了
  
• https://download.pytorch.org/whl/torch_stable.html下载相应的版本，按照图中命令安装即可。
  
• 其他的照着readme装就行。
  清华源不行的时候用中科大的源/阿里源也可以，git clone慢的时候加上cnpmjs.org的后缀即可，所以下载慢的问题终究是换源来解决
  

apex与spconv的安装

• 在安装apex时，在我所创建的虚拟环境中pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./，报了一系列库对于c是valid而对于c++invalid的错误，因为是warning先记录于此，并没有影响安装
• 在git clone spconv源码的时候出现了以下错误，记录于此，克隆成功但是检出失败，查询了status发现没有问题，日后出错再来解决一下，或者向作者提问。
  

后续：在后续利用cmake编译的时候发现找不到pybind11下的cmakelist.txt编译文件，发现pybind11是另外一个仓库，在clone该项目时没有下载下来，所以单独clone了一下第三方仓库，怪不得用thirdparty作为文件夹名。。

• 安装spconv前需要安装cmake(装了3.20.2)，电脑的gcc版本是7.5.0（好高。。）

summery

到此为止，环境就配置成功啦!!
基础环境配置和advanced环境配置都完成了，Check out GETTING_START 文件to prepare the data and play with all those pretrained models！
毕竟CVPR2021，比较新的模型和code，用的库都非常新，还有许多code bases可以使用，对未来的学习大有裨益哦！~