基于pointNet++模型的个性化数据集训练测试及可视化[附源码]_cloudcompare pointnet

1.1.1原数据集介绍

每个点云类别文件夹下有若干个txt的点云数据

每个点云数据有若干行点数据，每行点数据包含x，y，z，nx，ny，nz等6个数据。
x、y、z为点云的空间坐标，nx、ny、nz为点云的法向量。

安装 CloudCompare软件可以打开txt点云文件

1.1.2制作个性化数据集

本次实验目标是检测受电弓开合状态，需要采集open和close两类点云数据，Test是一个存放最终真实无标签测试数据的空目录，process_data.py是一个自动生成数据集配置文件的脚本，后续会介绍

1.2 记录点云数据的配置文件

1.2.1原数据集介绍

除了分类点云数据外，还需要一些记录点云数据文件路径、类别、训练集、测试集的配置文件。
（1）filelist.txt记录了点云数据的相对文件路径

（2）modelnet40_shape_names.txt记录了全部类别

（3）modelnet40_train.txt记录了从数据集中划分的训练集

（4）modelnet40_test.txt记录了从数据集中划分的测试集

1.2.2制作个性化数据集

编写process_data.py数据集预处理脚本文件

import os
import random
import shutil
from pathlib import Path

获取当前程序执行的工作目录

current_directory = os.getcwd()
directory_name = os.path.basename(current_directory)

带类别标签的数据集所在目录

folder_paths = [Path(current_directory + “/open”), Path(current_directory + “/close”)]

初始化目录中文件

test_folder_path = Path(current_directory + “/Test”)
shutil.rmtree(test_folder_path)
os.mkdir(test_folder_path)
for folder_path in folder_paths:
file_list = list(folder_path.glob(“*”))
for i, file_path in enumerate(file_list, start=1):
new_file_name = f"{str(i).zfill(4)}{file_path.suffix}"
new_file_path = folder_path / new_file_name
if new_file_path.exists():
continue
file_path.rename(new_file_path)

生成以下目标文件（配置文件）

txt_file_path = Path(current_directory + “/filelist.txt”) # 记录全部带标签的数据集文件（带后缀名）
txt_file_path2 = Path(current_directory + f"/{directory_name}_train.txt") # 记录全部带标签的训练文件（不带后缀名）
txt_file_path3 = Path(current_directory + f"/{directory_name}_test.txt") # 记录全部带标签的测试文件（不带后缀名）

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）
[外链图片转存中…(img-j4fEeVIY-1712564614325)]