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

文章目录

  • Introduction
  • 环境配置
    • Anaconda安装
    • 配置
      • Pytorch安装
      • apex与spconv的安装
  • summery

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:

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。
    在这里插入图片描述
  • Ubuntu18.04 安装 Anaconda3按照这个博客的流程安装即可。
    1、CenterPoint: Center-based 3D Object Detection and Tracking 环境配置_第1张图片
  • 配置环境变量
$ sudo vim ~/.bashrc

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

$ source ~/.bashrc

在这里插入图片描述

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
    在这里插入图片描述
    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
    1、CenterPoint: Center-based 3D Object Detection and Tracking 环境配置_第2张图片
  • 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。
    1、CenterPoint: Center-based 3D Object Detection and Tracking 环境配置_第3张图片在这里插入图片描述
  • 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
    1、CenterPoint: Center-based 3D Object Detection and Tracking 环境配置_第4张图片

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。
    1、CenterPoint: Center-based 3D Object Detection and Tracking 环境配置_第5张图片

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。。
在这里插入图片描述

  • 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。。)

在这里插入图片描述1、CenterPoint: Center-based 3D Object Detection and Tracking 环境配置_第6张图片

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!~

你可能感兴趣的:(3D目标检测)