点云数据进行语义分割（pointnet++/4060 in windows/s3dis）

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

源码链接

我用的python3.8,pytorch2.1.2，cuda11.8

#创建名为pointnet2的虚拟环境
conda create -n pointnet2 python=3.8 -y
#激活环境
conda activate pointnet2

#创建名为pointnet2的虚拟环境
conda create -n pointnet2 python=3.8 -y
#激活环境
conda activate pointnet2
#安装torch
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=11.8 -c pytorch -c nvidia

 数据集下载地址

 选这个Stanford3dDataset v1.2 Aligned Version.zip

解压到data/s3dis/Stanford3dDataset_v1.2_Aligned_Version

需要自己新建（这里我当初疑惑了好久）

cd data_utils
python collect_indoor3d_data.py

执行操作

此时在预处理数据

执行完以后发现自己只生成了stanford_indoor3d但是里面没有任何东西

这时候去自己的Stanford3dDataset_v1.2_Aligned_Version文件中将所有的.npy格式的文件剪切到stanford_indoor3d中

在data中和s3dis中各放入一个stanford_indoor3d文件

这个操作可以避免以后出麻烦

出问题的小地方

接下来，如果自己的numpy这个库比较新，那代码中np.float会在后来的操作中报错

需要把代码所有文件的np.float改成float

注意文件中如果是np.float32这种不需要改

训练模型

cd ..

需要把train_semseg.py文件中num_works-0.    linux不需要

#开始训练
python train_semseg.py --model pointnet2_sem_seg --test_area 5 --log_dir pointnet2_sem_seg

注意这步，训练的只有数据集中的Area_5，大概花了我十几个小时

• python train_semseg.py：这条部分指示使用Python来执行名为train_semseg.py的脚本文件，该脚本应包含了训练模型的主要代码逻辑。

• --model pointnet2_sem_seg：此选项指定了要使用的模型类型为pointnet2_sem_seg，意味着将利用PointNet++模型来进行语义分割任务。PointNet++是一个在点云数据上特别有效的深度学习模型，适合处理3D数据的分类、分割等任务。

• --test_area 1：这个选项设置了测试区域或者数据集的某个特定部分，值为1。在不同的场景中，这可能意味着选择数据集中特定的一个区域来进行验证或测试，有助于评估模型在特定子集上的性能。

• --log_dir pointnet2_sem_seg：最后这部分指定了日志文件的保存目录为pointnet2_sem_seg。训练过程中，模型的训练日志、性能指标、可能的可视化结果等信息会被保存到这个目录下，便于后续分析和调试。

训练结束后

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

这步也只是把上一步中的5区域给可视化，生成.obj文件

可使用meshlab查看

groundtruth

pred