win10 mmdetection3d环境搭建

官网：mmdetection3d/README_zh-CN.md at master · open-mmlab/mmdetection3d · GitHub

安装过程参照：win10 mmdetection3d 训练KITTI_树和猫的博客-CSDN博客_pointnet训练kitti

官网安装过程

前言

3D目标检测框架综述-知乎中描述了当前3D目标检测的数据和模型状况，为了能将数据和评价标准等统一，介绍了4个比较统一的检测算法框架。

OpenPCDet

社区活跃，代码轻量化且可读性强(有些顶刊论文是基于这个框架开发的)

基于Pytorch框架

mmdetection3d

社区活跃，有官方文档，便于上手；代码封装性好，codeview比较吃力(近年的顶刊会议有些是基于这个框架开发的)

基于Pytorch框架

Det3D

和OpenPCDet类似，也比较轻量，但是最近不怎么更新了。

基于Pytorch框架

Paddle3D

2022年8月刚开源出来，暂时还不清楚效果

基于PaddlePaddle框架

小结：

最终选定了应用比较多的OpenPCDet和mmdetection3d，但是OpenPCDet在win10系统下没有安装成功(唯一看到成功的博客，如果有兴趣可以自己尝试)，最终选择mmdetection3d进行安装。

mmdetection3d的安装（安装失败）

主要是python版本错误导致的，若想看安装教程，直接跳转到正确安装部分。

1. 准备工作

本机环境：

win10 + anaconda3 +python3.9+CUDA11.5 + CUDNN8.3 + torch1.11 + torchvision0.12.

准备工作：下载官网文件到本地文件夹下E:\LCH_Content\Code\1Preparations\mmdetection3d__open-mmlab

（1）安装过程可依照如下步骤

pip install openmim -i https://pypi.tuna.tsinghua.edu.cn/simple
mim install mmcv-full
mim install mmdet
mim install mmsegmentation

mmdet安装时出错，遂改用

# install mmdetection
pip install git+https://github.com/open-mmlab/mmdetection.git

注意，此方法需要提前安装git包，安装方式

conda install git

（2）跳转到本地文件夹下

cd \d E:\LCH_Content\Code\1Preparations\mmdetection3d__open-mmlab

(3) 安装spconv

pip install spconv-cu114 -i https://pypi.tuna.tsinghua.edu.cn/simple

(4) 安装依赖包

pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：

官网说，sponv比原生mmvc sponv使用内存更少，所以先安装了spconv(别人有些最后才安装这个库)。由于网路原因，最后一步可能会报错，多试几次或者加镜像。

2. 测试和验证

(1). 数据集存放的位置

KITTI数据集官网

将下载好的数据集按照下列顺序放到mmdetection3d项目路径下(其中ImageSet文件夹用来存放数据集划分文本)

mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│   ├── kitti
│   │   ├── ImageSets
│   │   ├── testing
│   │   │   ├── calib
│   │   │   ├── image_2
│   │   │   ├── velodyne
│   │   ├── training
│   │   │   ├── calib
│   │   │   ├── image_2
│   │   │   ├── label_2
│   │   │   ├── velodyne

主要是testing和training中存放这些数据，目前选择了0-200的编号。

(2). 数据集处理

(1) 在项目mmdetection3d文件夹下，进入cmd，并输入下列内容以创建文件夹。

mkdir .\data\kitti\ImageSets

(2) 在cmd中继续输入下列内容，下载数据划分文件(生成4个txt文件)

wget -c https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/test.txt --no-check-certificate --content-disposition -O ./data/kitti/ImageSets/test.txt

wget -c  https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/train.txt --no-check-certificate --content-disposition -O ./data/kitti/ImageSets/train.txt

wget -c  https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/val.txt --no-check-certificate --content-disposition -O ./data/kitti/ImageSets/val.txt

wget -c  https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/trainval.txt --no-check-certificate --content-disposition -O ./data/kitti/ImageSets/trainval.txt

此前需要安装wget，Wget for windows安装方法

注：在环境变量中添加路径时，要先新建，再浏览输入保存。

问题：

Resolving raw.githubusercontent.com (raw.githubusercontent.com)... failed: 请求的名称有效，但是找不到请求的类型的数据。 .
wget: unable to resolve host address 'raw.githubusercontent.com'

解决方案

如，在文件中添加了下列内容：

185.199.108.133 raw.githubusercontent.com

(3) 激活项目的虚拟环境，输入以下命令对数据集进行预处理

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

注意：由于数据只解压了0-200的数据，故需要先将ImageSets中的数据进行修改。(只保留了000200之前的数据)。

错误1:

ImportError: cannot import name 'gcd' from 'fractions' (D:\PythonVirtualEnv\envs\py39\lib\fractions.py)

解决1：同样问题的解决方法

conda install -y networkx">=2.5"

conda install -y networkx==2.2

(4) 处理完成后，得到的目录如下:

(3). 数据训练

数据训练对训练参数讲的很详细

单GPU训练

python tools/train.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-car.py

训练结束后，我们可以在/mmdetection3d/work-dirs/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class文件夹中看到训练结果，包括日志文件（.log）、权重文件（.pth）以及模型配置文件（.py）等。

数据测试

python demo/pcd_demo.py demo/data/kitti/kitti_000008.bin configs/second/hv_second_secfpn_6x8_80e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth

报错

AttributeError: 'EnforcedForest' object has no attribute 'node'.

根据官网解答， networkx的版本需求如下

pip install 'networkx>=2.2,<2.3'

进一步测试发现，它要求的python版本为3.8， 故宣告失败，按照官网步骤重新来。

mmdetection3d的正确安装

1. 安装步骤

官方安装步骤

由于安装过程也出现一些问题，故重头描述安装过程。

(1) 安装cuda, cudnn

(2) 创建虚拟环境，注最好安装python=3.8（上述已证明3.9不行）；

conda create --name mmdet3d python=3.8 -y
conda activate mmdet3d

(3) 安装pytorch和torchvision

官方提供的办法，安装为cpu版本。建议在whl下载中直接下载对应cuda版本的pytorch和torchvision。在whl下载目录下进行安装：

pip install torch-1.11.0+cu115-cp39-cp39-win_amd64.whl
pip install torchvision-0.12.0+cu115-cp39-cp39-win_amd64.whl

(4) 安装spconv

比mmcv spconv使用更少的内存，故提前安装该依赖。

由于cuda11.5没有对应的spconv, 故安装11.4版本的。

pip install spconv-cu114

(5) 安装mmdetection 3d

在想要安装的文件夹下，依次输入下列语句：

pip install openmim
mim install mmcv-full
mim install mmdet
mim install mmsegmentation
git clone https://github.com/open-mmlab/mmdetection3d.git
cd mmdetection3d
pip install -e .

2. 测试：

为了将数据可视化，需要提前安装open3d依赖

pip install opend3d -i https://pypi.tuna.tsinghua.edu.cn/simple

(1) 使用官方给定的demo进行测试，其中checkpoints中内容需要在模型库中下载

python demo/pcd_demo.py demo/data/kitti/kitti_000008.bin configs/second/hv_second_secfpn_6x8_80e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth

若demo文件夹下出现了下列文件夹及其包含的内容，说明安装成功。

上述obj文件可用MeshLab打开将其可视化.

(2) 可视化数据集(即，数据集中的点云依次用open3d可视化)， 在线显示并存入磁盘。

python tools/misc/browse_dataset.py configs/_base_/datasets/kitti-3d-car.py --task det --output-dir data/lch_data/output --online

(3) 显示2D图像以及投影的3d边界框

python tools/misc/browse_dataset.py configs/mvxnet/dv_mvx-fpn_second_secfpn_adamw_2x8_80e_kitti-3d-3class.py --task multi_modality-det --output-dir data/lch_data/testmulti --online

(4) demo的检测结果。

python demo/pcd_demo.py demo/data/kitti/kitti_000008.bin configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth --out-dir data/lch_data/out_display --show

python demo/pcd_demo.py demo/data/kitti/kitti_000008.bin configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth --score-thr 0.7 --out-dir data/lch_data/demo --show

(5) 想要查看检测的准确度，可输入下列指令：

python tools/test.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth --eval 'mAP' --eval-options 'show=True' 'out_dir=./data/lch_data/show_results'

出错：

OSError: [WinError 1455] 页面文件太小，无法完成操作。 Error loading "D:\PythonVirtualEnv\envs\mmdet3d\lib\site-packages\torch\lib\shm.dll" or one of its dependencies.

解决方案