1.1 环境安装
step1: 安装torch
conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 pytorch-cuda=11.7 -c pytorch -c nvidia
坑1:注意mmcv的编译的版本与你自己的pytorch是否对应
(本来安装的是1.3.1版本,在安装mmcv时发现默认下载的是torch1.13.0版本编译的mmcv,报错torch版本与mmcv不匹配)
step2: 安装 MMDetection3D
pip install -U openmim mim install mmengine mim install 'mmcv==2.0.0rc4' mim install 'mmdet==3.0.0'
坑2:不要安装像官网文档安装>=版本,会报错
step3:
git clone https://github.com/open-mmlab/mmdetection3d.git cd mmdetection3d pip install -v -e .
step4 : 验证
mim download mmdet3d --config pointpillars_hv_secfpn_8xb6-160e_kitti-3d-car --dest . python demo/pcd_demo.py demo/data/kitti/000008.bin pointpillars_hv_secfpn_8xb6-160e_kitti-3d-car.py hv_pointpillars_secfpn_6x8_160e_kitti-3d-car_20220331_134606-d42d15ed.pth --show
1.2 数据集处理
step1 :下载
移动SUNRGBD.zip, SUNRGBDMeta2DBB_v2.mat, SUNRGBDMeta3DBB_v2.mat and SUNRGBDtoolbox.zip 至 OFFICIAL_SUNRGBD 文件夹,解压。
坑3: SUNRGBDtoolbox.zip 解压注意文件夹目录
step2: 生成数据集
cd data/sunrgbd/matlab #需要安装matlab matlab -nosplash -nodesktop -r 'extract_split;quit;' matlab -nosplash -nodesktop -r 'extract_rgbd_data_v2;quit;' matlab -nosplash -nodesktop -r 'extract_rgbd_data_v1;quit;' cd ../../.. python tools/create_data.py sunrgbd --root-path ./data/sunrgbd --out-dir ./data/sunrgbd --extra-tag sunrgbd #换成绝对路径
生成后的目录
sunrgbd
├── README.md
├── matlab
│ ├── extract_rgbd_data_v1.m
│ ├── extract_rgbd_data_v2.m
│ ├── extract_split.m
├── OFFICIAL_SUNRGBD
│ ├── SUNRGBD
│ ├── SUNRGBDMeta2DBB_v2.mat
│ ├── SUNRGBDMeta3DBB_v2.mat
│ ├── SUNRGBDtoolbox
├── sunrgbd_trainval
│ ├── calib
│ ├── depth
│ ├── image
│ ├── label
│ ├── label_v1
│ ├── seg_label
│ ├── train_data_idx.txt
│ ├── val_data_idx.txt
├── points
├── sunrgbd_infos_train.pkl
├── sunrgbd_infos_val.pkl
1.3 测试验证
下载相应网络的权重放置checkpoint
python tools/test.py configs/second/second_hv_secfpn_8xb6-80e_kitti-3d-3class.py\ checkpoints/second_hv_secfpn_8xb6-80e_kitti-3d-3class-b086d0a3.pth \ --show --show-dir ./data/kitti/show_results