pointRCNN的复现：

1、连接服务器，配好环境pytorch+cuda

2、创建自己的文件夹，然后在该文件夹中操作文件夹wx，cd wx

3、下载项目代码: git clone --recursive ​​​​​​GitHub - sshaoshuai/PointRCNN: PointRCNN: 3D Object Proposal Generation and Detection from Point Cloud, CVPR 2019. 4、配置依赖包：

pip install easydict
pip install tqdm
pip insatll tensorboardX 
pip install fire
pip install numba
pip install pyyaml
pip install scikit-image 
pip install shapely

5、

安装pytorch1.0.0：conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch

打开python，并运行：import torch载入该模块，未报错则

 6、安装pointnet2_lib, iou3d, roipool3d库，具体方法：cd命令进入PiontRcnn目录，运行 sh build_and_install.sh

7、下载数据集

8、下载PointRCNN.pth

9、运行

10、运行下面命令来评估预训练模型：

python eval_rcnn.py --cfg_file cfgs/default.yaml --ckpt PointRCNN.pth --batch_size 1 --eval_mode rcnn --set RPN.LOC_XZ_FINE False

 结果：

 

 

 

 

11、准备数据

python generate_gt_database.py --class_name 'Car' --split train