PointRCNN复现笔记

1. 环境搭建

本人使用的环境版本

        ubuntu20.04

        python = 3.7

         torch = 1.2

        torchvision = 0.4 

        cudatoolkit = 10.0

        cudnn = 7.6.5

2.下载源代码

        可以直接下载zip然后解压。也可以使用git clone直接克隆到本地。

https://github.com/sshaoshuai/PointRCNN/archive/refs/heads/master.zip

或者克隆

git clone --recursive https://github.com/sshaoshuai/PointRCNN.git

3.安装相应的包和编译环境

conda install easydict tqdm tensorboardx scipy pyymal==5.1

sh build_and_install.sh

4.数据集准备，先去KITTI官网下载数据集并组织如下。

注意我们没有下载与road有关的数据集，运行代码时需要把关于road的代码注释掉。

接下来生成gt_datebase。需要生成使用的三个类别的gt_database。

python generate_gt_database.py --class_name 'Car' --split train

#--class_name 'Car‘
#--class_name 'Cyclist'
#--class_name 'Pedstrian'

5. 下载预训练模型，从这里下载模型  并放在tools/下面。

运行quick demo

python eval_rcnn.py --cfg_file cfgs/default.yaml --ckpt PointRCNN.pth --batch_size 1 --eval_mode rcnn --set RPN.LOC_XZ_FINE False

6.训练

        训练RPN

python train_rcnn.py --cfg_file cfgs/default.yaml --batch_size 16 --train_mode rpn --epochs 200

         训练RCNN

python train_rcnn.py --cfg_file cfgs/default.yaml --batch_size 10 --train_mode rpn --epochs 20 --gt_database gt_database/train_gt_database_3level_Cyclist.pkl 

#注意 cfgs/default.yaml文件的CLASSES需要和--gt_database gt_database/train_gt_database_3level_Cyclist.pkl中的train_gt_database_3level_Cyclist.pkl相对应

7.评估

python eval_rcnn.py --cfg_file cfgs/default.yaml --ckpt PointRCNN.pth --batch_size 4 --eval_mode rcnn --set RPN.LOC_XZ_FINE false