3D_multiview_reg 项目使用教程

田桥桑Industrious

于 2024-09-27 07:07:14 发布

阅读量762

点赞数 21

本文链接：https://blog.csdn.net/gitblog_00213/article/details/142582505

版权

3D_multiview_reg 项目使用教程

3D_multiview_reg 项目地址: https://gitcode.com/gh_mirrors/3d/3D_multiview_reg

1. 项目介绍

3D_multiview_reg 是一个用于多视角3D点云配准的开源项目，由Zan Gojcic等人开发。该项目在CVPR 2020上发表，提出了一种新颖的端到端可学习的多视角3D点云配准算法。该算法通过联合学习初始对齐和全局一致性优化两个阶段，显著提升了多视角点云配准的性能。

项目的主要特点包括：

端到端可训练的多视角点云配准算法。
在多个基准数据集上表现优异，超越了现有技术。
提供了预训练模型和数据集，方便用户快速上手。

2. 项目快速启动

2.1 环境准备

首先，确保你的系统满足以下要求：

Ubuntu 18.04
Python 3.6
PyTorch 1.5
CUDA 10.1
GCC 7

2.2 安装依赖

克隆项目仓库并安装依赖：

git clone https://github.com/zgojcic/3D_multiview_reg.git
cd 3D_multiview_reg

# 创建虚拟环境
conda create --name lmpr python=3.6
source activate lmpr

# 安装依赖
conda config --append channels conda-forge
conda install --file requirements.txt
conda install -c open3d-admin open3d=0.9.0.0
conda install -c intel scikit-learn
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

2.3 安装 MinkowskiEngine

项目使用了MinkowskiEngine库，需要单独安装：

source activate lmpr
git clone https://github.com/StanfordVL/MinkowskiEngine.git
cd MinkowskiEngine
conda install numpy mkl-include
export CXX=g++-7
python setup.py install
cd ..

2.4 下载预训练模型和数据集

下载预训练模型和数据集：

bash scripts/download_pretrained_models.sh
bash scripts/download_3DMatch_train.sh raw

2.5 训练和评估

训练配准网络：

source activate lmpr
python train.py /configs/pairwise_registration/OANet.yaml

评估配准效果：

source activate lmpr
python /scripts/benchmark_pairwise_registration.py \
    --source /data/eval_data/ \
    --dataset 3d_match \
    --method RegBlock \
    --model /pretrained/RegBlock/model_best.pt \
    --only_gt_overlap