NuScenes数据集安装步骤

在云服务器平台安装NuScenes数据集

服务器的配置信息：
1.服务器平台AutoDL
2. PyTorch 1.9.0 Python 3.8(ubuntu18.04) Cuda 11.1
3. 存储空间2TB

1.下载安装MMDetection3D框架

1.1安装环境依赖

pip install -U openmim
mim install mmengine
mim install 'mmcv>=2.0.0rc4'
mim install 'mmdet>=3.0.0'

1.2获取源代码

git clone https://github.com/open-mmlab/mmdetection3d.git -b dev-1.x
# "-b dev-1.x" 表示切换到 `dev-1.x` 分支。
cd mmdetection3d
pip install -v -e .
# "-v" 指详细说明，或更多的输出
# "-e" 表示在可编辑模式下安装项目，因此对代码所做的任何本地修改都会生效，从而无需重新安装。

1.3安装spconv

pip install spconv-cu111#按照自己的版本来

2.安装NuScenes数据集

2.1复制数据集到自己的实例

cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Test/v1.0-test_meta.tar /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Test/v1.0-test_blobs.tgz /root/autodl-tmp/data/nuscenes
------------------------------------------------------------------------------------------------------------------
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval_meta.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval01_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval02_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval03_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval04_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval05_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval06_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval07_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval08_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval09_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval10_blobs.tgz /root/autodl-tmp/data/nuscenes

2.2解压数据集

tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-test/v1.0-test_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-test/v1.0-test_meta.tar -C /root/autodl-tmp/data/nuscenes
------------------------------------------------------------------------------------------------------------------
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval_meta.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval01_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval02_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval03_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval04_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval05_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval06_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval07_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval08_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval09_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval10_blobs.tgz -C /root/autodl-tmp/data/nuscenes

2.3开始制作数据集

python tools/create_data.py nuscenes --root-path ./data/nuscenes --out-dir ./data/nuscenes --extra-tag nuscenes

制作完成后的目录结构

mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│   ├── nuscenes
│   │   ├── maps
│   │   ├── samples
│   │   ├── sweeps
│   │   ├── lidarseg (optional)
│   │   ├── v1.0-test
|   |   ├── v1.0-trainval
│   │   ├── nuscenes_database
│   │   ├── nuscenes_infos_train.pkl
│   │   ├── nuscenes_infos_val.pkl
│   │   ├── nuscenes_infos_test.pkl
│   │   ├── nuscenes_dbinfos_train.pkl

3.测试

测试CenterPoint代码

python tools/train.py configs/centerpoint/centerpoint_voxel01_second_secfpn_8xb4-cyclic-20e_nus-3d.py

运行成功截图，建议选择V100以上的显卡配置，多张并行。

注：

若果想在本地进行代码测试建议将MMDetection3D中的data文件单独拿出与项目文件并列，否则在本地同步文件时会下载数据集到本地，修改后记得修改原程序中的代码路径。