基于深度学习的车载LiDAR点云语义分割-学习记录

该文章记录读研三年学习点云语义分割的历程和遇到的坎。目前的计划是先跑通pointnet和pointnet++后，在pointnt的基础上优化改进。

首先，分享下目前常用的几个学习网站：

查看论文源码及代码在各数据集下的表现：The latest in Machine Learning | Papers With Code

搜索公开数据集：https://aistudio.baidu.com/datasetoverview

一、（失败）复现RandLA-Net

1.下载RandLA-Net源代码，想完美还原作者实验的Ubuntu系统，尝试了Vmware Workstation、WSL2、WSL2+Docker，皆以失败告终。

2.后去Paperwithcode上找了PyTorch版本的，但复现精度很差。

总结：考虑到之前没接触过深度学习，直接复现RandLA-Net起点太高了，所以还是放平心态，从头开始。

二、（进行中）复现PointNet与PointNet++(PyTorch)

1.下载PointNet源代码

https://github.com/yanx27/Pointnet_Pointnet2_pytorch

2.下载ModelNet40数据集

3.运行train_classification.py文件，得到以下结果：

4.运行test_classification.py文件，并安装meshlab对语义分割结果进行可视化。