从零部署点云语义分割项目Pointnet++

环境配置

Ubuntu 18.04

CUDA 11.6

python 3.7

pytorch 1.13.1+cu116

一、下载

论文地址：PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space (neurips.cc)

github地址（pytorch版本）：yanx27/Pointnet_Pointnet2_pytorch: PointNet and PointNet++ implemented by pytorch (pure python) and on ModelNet, ShapeNet and S3DIS. (github.com)

二、环境配置

conda create -n pointnet2 python=3.7
conda activate pointnet2
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

pip install tqdm

三、数据准备

 下载 Stanford3dDataset_v1.2_Aligned_Version数据集，网盘可参考

S3DIS场景点云数据集_s3dis/stanford3ddataset_v1.2_aligned_version-CSDN博客

放在data/s3dis/目录下，之后执行以下命令

cd data_utils
python collect_indoor3d_data.py
cd ../

之后处理好的数据将被放在data/s3dis/stanford_indoor3d目录下。 

【预处理后数据解析】：

stanford_indoor3d/*.npy：内部为一个数组，shape为(N, 7)，分别是xyzrgb以及语义label

四、代码分析

Dataset——S3DISDataset类

Dataloader——torch.utils.data.DataLoader类

Model——models/pointnet2_sem_seg_msg.py中的get_model类

Optimizer——torch.optim.Adam类或torch.optim.SGD

Scheduler——无

Loss——torch.nn.functional.null_loss【softmax+null_loss可构成CrossEntropy】

五、训练流程分析

1.训练命令使用

python train_semseg.py --model pointnet2_sem_seg --test_area 5 --log_dir pointnet2_sem_seg

2.训练流程分析

本项目是作者部署众多项目中，最为友好的一个项目，环境配置极快，代码结构清晰，没有用到过多的外部工具库。

六、推理流程分析

python test_semseg.py --log_dir pointnet2_sem_seg --test_area 5 --visual

七、参考资料

1.sample_and_group函数和samle_and_group_all函数详解

Pointnet++代码详解（五）：sample_and_group函数和samle_and_group_all函数_sample and group-CSDN博客

2.关于PointNet & PointNet++的理论知识

论文小结：PointNet & PointNet++_pointnet和pointnet++的共同点-CSDN博客

3.Pointnet++网络结构结合代码解释

结合代码理解Pointnet++网络结构_pointnet pointnet++网络结构-CSDN博客