OpenPCDet部署流程

我把本次部署分为三个阶段:前置步骤,环境搭建,运行测试

前置步骤

前置步骤是整个环境的基础,首先是确认机器的cuda版本并找到对应得pytorch版本

注意:这里一定要匹配,否则无法正常运行python setup.py develop

Previous PyTorch Versions | PyTorchicon-default.png?t=N7T8https://pytorch.org/get-started/previous-versions/

避免麻烦,这里我在autodl上新建了一个实例,然后前置工作就完成了。

环境搭建

架设好基础后可以开始环境搭建了。

#克隆
git clone GitHub - open-mmlab/OpenPCDet: OpenPCDet Toolbox for LiDAR-based 3D Object Detection.
#进入目录
cd OpenPCDet

#安装环境
pip install -r requirements.txt

#通过运行以下命令安装此库及其依赖库
python setup.py develop

#以下都安装后再运行
#安装open3d
pip install open3d
#更新pip:我这遇到问题更新后解决了
python -m pip install --upgrade pip
#安装spocnv
pip install spconv-cu113
#安装av2
pip install av2
#安装kornia==0.6.5(这里不能按照最新版,否则会报错)
pip install kornia==0.6.5

运行测试

1.在官网下载权值文件:这里用到的是pointpillar,放在目录下

open-mmlab/OpenPCDet: OpenPCDet Toolbox for LiDAR-based 3D Object Detection. (github.com)icon-default.png?t=N7T8https://github.com/open-mmlab/OpenPCDet

2.在官网下载点云数据:放在目录下

The KITTI Vision Benchmark Suite (cvlibs.net)icon-default.png?t=N7T8https://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=3d

3.运行demo

cd tools
python demo.py --cfg_file cfgs/kitti_models/pointpillar.yaml --ckpt ../pointpillar_7728.pth --data_path ../000000.bin

4.输出结果

  • 8
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenPCDet允许用户进行自定义数据集训练、模块和网络的创建。用户可以按照以下流程导入自定义数据集: 1. 编写自定义数据集类:用户需要编写自己的数据集类,该类应继承于OpenPCDet中的基础数据集类,并实现必要的函数和方法,以适配自定义数据集的格式和标注信息。 2. 使用自定义数据集进行训练:用户可以在OpenPCDet的代码框架中使用自定义数据集进行训练。在训练过程中,可以使用自定义的模块和网络结构来适应任务需求。 3. 节约重复性工作:OpenPCDet框架的设计和维护由专业团队负责,因此使用该框架可以节约大量的重复性工作。用户可以专注于核心算法的设计,而不必花费过多时间在搭建整个框架上。 总之,OpenPCDet提供了灵活的接口和框架,使用户能够自定义数据集、模块和网络结构,并可以通过使用该框架来节约时间和提高代码质量。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [openPCdet 实现自定义点云数据集训练](https://blog.csdn.net/qq_45297395/article/details/123478922)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [OpenPCDet初级教程【自定义模型、loss】](https://blog.csdn.net/Freak16/article/details/126454637)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值