文章目录一、OpenPCDet简介1.1简介1.2数据-模型分离的顶层代码框架1.3统一的3D目标检测坐标定义1.4模块化模型拓扑设计二、代码解析2.1框架介绍2.2数据处理流程2.3模型拓扑的依赖关系

前言：前面学习3D的OpenPCDet开源代码，发现需要自己制作数据集的时候，如何将Kitti数据集的点云bin文件进行可视化，这里进行一个更新备注的工作importmayavi.mlabimporttorchimportnumpyasnpimportosdefviz_mayavi

深度学习激光3D目标检测OpenPCDet安装笔记安装环境OpenPCDetdemo运行安装问题执行结果安装环境python=3.7pytorch=1.3.1torchvision=0.4.2cudatoolkit

安装OpenPCDet遇到的问题1.遇到问题：OSError:libcuhash.so:cannotopensharedobjectfile:Nosuchfileordirectory解决方法sudofind

刚开始接触点云，从openpcdet开始学习，先进行环境的搭建。搭建过程踩了不少雷，大部分是版本问题。

【SPConv模块Python部分代码】在上一篇文章里分别展示了spconv源码中的Python和c++/cuda目录，这里再来看一下spconv编译安装完后的目录结构。(openpcd)➜spconvtree-L1.├──conv.py├──functional.py├──identity.py├──__init__.py├──libcuhash.so├──libspconv.so├──modu

先从卸载cuda开始目前的版本详情：(OpenPCDet)root@wujianping-X550JX:/IA-SSD/tools#nvcc-Vnvcc:NVIDIA(R)CudacompilerdriverCopyright

前言主要是介绍库的使用，做笔记区首先搜索的时候有个问题一直在我脑子里hhh就是MMlab其实还有一个叫mmdetection3d的库，然后搜的时候发现hhh有网友和我一样的疑惑：OpenPCDet和mmdetection3d

具体工程地址：deecamp20-3-1-lidar_det_pcdet目前尝试过的内容：在不满足速度的前提下，有：使用PV-RCNN(CVPR20)做两阶段的实验在openpcdet上采用gt增广的second

2gitcloneOpenPCDetgitclonehttps://github.com/open-mmlab/OpenPCDet.git3spconv3.1installpipinstallsp

OpenPCDet详细安装指南+单/多GPU训练演示前言个人环境一览安装环境安装的各版本1.创建conda虚拟环境2.安装PyTorch3.安装spconv4.安装PCDet5.训练单GPU训练多GPU

PVRCNNubantu18.04CUDA11.3pytorch1.10.2文章目录内容一、换源1.直接在*软件与更新*里进行修改2.终端代码进行换源二、NVIDIACUDA三、Anaconda1.下载anaconda2.安装anaconda3.安装gedit4.添加环境变量：5.在文件中末尾粘贴下面的两行，保存退出：6.更新环境：7.用anaconda创建pcdet环境：四、Pytorch四、C

此存储库基于OpenPCDet.用于单目3D对象检测的分类深度分布网络[Paper]介绍有什么作用CaDDN？CaDDN是一种基于PyTorch的通用方法，用于从单目图像中检测3D对象。

安装版本说明二、安装Cuda和cudnn2.1安装cuda2.2安装cudnn三、搭建虚拟环境3.1新建虚拟环境3.2安装pytorch3.3安装spconv3.4安装open3d3.5安装mayavi四、OpenPCDet4.1OpenPCDet

note：以下所有步骤都适用于astyx-pcdetOpenPCDet的安装依赖cmake3.18.2Python3.8Spconv1.2.1PyTorch1.7requirements.txt所需要的一些python库Python3.8建议使用Anaconda创建Python3.8的环境，这样可以利用虚拟容器隔离环境。Spconv1.2.1spconv库在安装的时候经常遇到的问题是第三库没有下载

安装cmake下载cmake：官方下载地址为：https://cmake.org/download/解压，执行：sudo./configuresudomakesudomakeinstall查看版本：cmake-version1、安装spconvgitclonehttps://github.com/traveller59/spconv.git--recursivecdspconvpythonsetu

文章目录0.检测头的设计1.损失计算的理论2.生成anchors3.GT与anchor的匹配4.box编码5.损失函数设计pointpillar相关的其它文章链接如下：【论文阅读】CVPR2019|PointPillars:基于点云的快速编码目标检测框架(FastEncodersforObjectDetectionfromPointClouds)OpenPCDetv0.5版本的安装与测试openp

ubuntu18.04复现OpenPCDet前言：我已经装好了nvidia460.91.03版本驱动，并且也装了10.1版本的cuda。

关于PointPillars模型的损失，其沿袭了SECOND的做法。在类别分类损失和box回归损失的同时还包含角度损失和方向损失。角度损失PointPillars中角度的编码使用真实值和Anchor的残差。但是再使用SmoothL1计算具体损失时会先计算出残差的sin值，再使用sin值来计算损失。1.编码classResidualCoder(object):def__init__(self,cod

OpenPCDet安装OpenPCDetgithub官网：https://github.com/open-mmlab/OpenPCDet哇。。。真的是安了好久。

data_augmentor.py注释119-120行database_sampler.py注释123-129行138-140行

3D目标检测——代码理解——OpenPCDet：数据处理kitti_dataset.py的理解OpenPCDet的源码：OpenPCDet的源码github地址作者：史少帅博士本人对OpenPCDet的描述可以参看这篇文章

openPCdet自定义数据集训练openPCdet代码框架实现自定义数据集导入的流程自定义数据集类的编写openPCdet代码框架openPCdet是由香港中文大学MMLab实验室开源的轻量话激光雷达点云目标检测框架

https://github.com/open-mmlab/OpenPCDet/issues/473

文章目录1.OpenPCDet2.OpenPCDet训练KITTI数据集2.1KITTI数据集的摆放2.2数据集的预处理2.3OpenPCDet训练KITTI报错:KeyError:'road_plane

目录一、项目方案二、项目准备工作1.安装并配置好Openpcdet的环境2.安装好ROSmelodic三、项目工作空间创建及代码配置四、具体代码修改与讲解launch/pointpillars.launch

作者|双愚编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/569189196点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【标定工具】获取2D检测/分割/关键点，3D点云检测分割标注工具！3D目标检测示例(fromPaddle3D)2D目标检测是一个比较成熟的领域，相关的目标检测框架非常多，比如Detect

最近要使用Xavier部署一些点云网络，需要安装OpenPCDet，于是开始了漫长的配环境之路。前期准备由于使用的是公司的板卡，因此需要首先获取sudo权限。一定要有sudo权限才可以。

文章目录一、数据预处理二、训练2.1模型训练2.2tensorBoard可视化三、测试四、推理Debug记录qt.qpa.plugin:CouldnotloadtheQtplatformplugin"xcb"in""eventhoughitwasfound.KeyError:'road_plane'https://xiaohu.blog.csdn.net/article/details/12451

使用OpenPCDet训练自己的3D点云数据文章目录使用OpenPCDet训练自己的3D点云数据前言一、使用python-pcl库（未成功）1.1安装PCL1.2安装Cython0.25.21.3安装python-pcl

我的点云数据形式是（x,y,z,r）类型的，直接读取运用就行了，然后再进一步处理。以下代码是my_datasets的从文件中读取和保存的代码importnumpyasnpimportcopyimportpickleimportosimportjsonimportnumpyasnpimportpclimportpandasimportsysimportrandomfromskimageimporti

一、代码修改1、复制pcdet/datasets/kitti/kitti_dataset.py为WJ_dataset.pydefget_infos（）defget_label()添加：frompcdet.utilsimportobject3d_WJ注释掉calib中参数的加载、计算代码2、复制pcdet/utils/object3d_kitti.py为objetc3d_WJ.py,根据数据标注格式

1.数据集准备工作(1)按照官方给出的OpenPCDet中的KITTI数据集的组织方法，排布数据集（2）然后运行下面的命令生成数据infopython-mpcdet.datasets.kitti.kitti_datasetcreate_kitti_infostools

前言：本文的想法来自于https://github.com/open-mmlab/OpenPCDet/issues/771该讨论区下155cannon大佬的想法，但是在训练的最后一步一直出错，希望有大佬可以指点一下

准备工作1.pcdet整体架构2.pcdet数据流3.kitti_dataset.py理解二、自定义数据集类的编写(参考kitti_dataset.py进行修改)三、修改eval部分四、可视化总结前言使用OpenPCDet

目录一、环境：pytorch1.2二、下载源码：三、准备KITTI数据集1、下载这几个（非常巨大）2、下载完之后按照下面的目录排排好四、跑代码1、对数据进行一波处理：2、开跑2.1报错：KeyError:'road_plane'2.2报错：LoweringError:Failedinnopythonmodepipeline(step:nopythonmodebackend)3、完成一、环境：pyt

目录0、目标：1、数据的预处理2、修改数据处理部分的代码2.1复制对数据集进行处理的文件2.2对kitti_lidar_dataset.py进行修改2.2.1头文件修改2.2.2数据集对象名称修改2.2.3get_info函数修改2.2.4.yaml文件修改2.2.5运行3、修改数据集加载3.1去掉测试3.2修改__getitem__函数3.3前后连起来3.4.yaml文件修改3.5运行·本文还存

数据集配置位于tools/cfgs/dataset_configs内，模型配置位于针对不同数据集的tools/cfgs中。数据集准备目前，我们提供了KITTI数据集和NuScenes数据集的数据加载器，并且正在支持更多数据集。KITTI数据集请下载官方的KITTI3D对象检测数据集，并按以下方式组织下载的文件（可以从[roadplane]下载roadplanes，这对于训练中的数据增强是可选的）：

一.Openpcdet的安装以及使用*Openpcdet详细内容请看以下链接：GitHub-open-mmlab/OpenPCDet:OpenPCDetToolboxforLiDAR-based3DObjectDetection

文章目录conda下载cuda配置openPCDet环境配置创建虚拟环境pytorchspconvopenpcdet可视化部分——open3dormayavidemo预测conda下载转链接（传送门）cuda

一、spconv库安装1、下载地址：https://github.com/traveller59/spconv/tree/v1.2.1注意下载的spconv版本，默认下载2.×版本，安装后出现问题，又重新下载安装的1.2.1版本。2、查看third_party文件下pybind11中是否存在文件，如果没有下载放到third_party文件夹下gitclonehttps://github.com/p

linkPointPillars与PointRCNN编译运行以及结果可视化（小白探索之路，清晰易懂）linkOpenpcdet-（1）环境配置及kitti数据集训练（**）link基于Dockerfile构建深度学习模型（OpenPCdet

nvidia510+cuda10.2+cudnn+pytorch1.101ubuntu换国内源(pip)Ubuntu20.04下深度学习环境配置（持续维护）_伊文111的博客-CSDN博客_ubuntu深度学习环境搭建2安装gpu驱动用ubuntu自带的驱动安装，“软件与更新”->“附近驱动”->选择推荐版本->“应用更改”->完成后重启系统，调用nvidia-smi命令，会显示版本等信息，安装g

ubuntu18.04复现OpenPCDet来训练nuSences数据集前言：由于网上的教程几乎都是关于如何训练kitti数据集,而对于nuSences数据集的介绍和教程几乎没有,本人在此做一个记录,并向所有人

文章目录1.安装OpenPCDet1.1安装PyTorch1.2安装spconv（1）spconv1.2（2）spconv2.x1.3安装openPCDetv0.52.显示2.1安装可视化工具open3d2.2

上安装显卡驱动安装docker安装NVIDIAContainerToolkit编写dockerfileDocker镜像与容器的启动，打包导出遇到的一些问题：nomodulename'pcdet'libGL.so.1以OpenPCdet

文章目录前言一、安装OpenPCDet1.OpenPCDet安装要求2.安装环境3.CloneOpenPCDet项目4.运行以下的命令安装pcdet库二、运行OpenPCDet1.数据集准备2.训练3.

环境：Ubuntu20.04+jetpack5.0-b114CUDA11.4+cudnn8.3.2TensorRT版本：8.4.0配置OpenPCDet环境condacreate-nOpenPCDet5python

MMDetection3Dmmdetection3d/tools/train.pytrain_model()mmdetection3d/mmdet3d/api/train.pytrain_detector()=>runner.run()mmcv/runner/epoch_based_runner.pyEpochBasedRunner.run()=>self.train()=>self.run_it

参考工程：1.PointPillars_MultiHead_40FPS2.OpenPCDet3.onnx2trt4.onnx2trt安装过程可能遇到的问题5.Spconv一.准备工作1.下载工程PointPillars_Mul