PointNet++程序速通（一）

1. PointNet 

输入点云集：X, 维度[n，3]，n表示点云集中点的个数，3表示空间坐标xyz；

分类网络输出为：y, 维度k，k的大小取决与类别数量；

y = f(X) = B(Maxpool(A(X))), A, B表示神经网络；

分割网络输出为：维度[n, m], n表示点云集中点的个数，m的大小取决与类别数量；

图：(CVPR) PointNet：用于3D分类和分割的点集深度学习 - 详细解读_点云 stn-CSDN博客；

2. PointNet++

输入输出与PointNet一致

链接：https://pan.baidu.com/s/10Nk4Zd3S_NklY5PJwzmnWA

提取码：6688

https://github.com/yanx27/Pointnet_Pointnet2_pytorch

环境配置：

conda create -n pointnet++ python=3.8
conda activate pointnet++
conda install pytorch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 pytorch-cuda=11.8 -c pytorch -c nvidia

程序运行：

python train_classification.py --model pointnet2_cls_ssg --log_dir pointnet2_cls_ssg
python test_classification.py --log_dir pointnet2_cls_ssg

测试：

python test_classification.py --use_normals --log_dir pointnet2_msg_normals
# PARAMETER ...
# Namespace(batch_size=24, gpu='0', log_dir='pointnet2_msg_normals', num_category=40, num_point=1024, num_votes=3, use_cpu=False, use_normals=True, use_uniform_sample=False)
# Load dataset ...
# The size of test data is 2468
# 100%|█████████████████████████████████████████████████████████████████████████████████| 103/103 [01:23<00:00,  1.23it/s]
# Test Instance Accuracy: 0.928155, Class Accuracy: 0.904519