rangenet++运行 bonnetal训练 点云标签 记录

最新推荐文章于 2024-05-21 22:47:03 发布
最新推荐文章于 2024-05-21 22:47:03 发布
阅读量363 收藏 2
点赞数 1
文章标签： slam ros
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/nico_jion/article/details/134339401
版权
本文介绍了如何准备原始点云数据（bin格式），安装并配置point_labeler进行标注，然后调整Bonnetal的配准，安装semantic-kitti并训练模型。最后，将训练的ONNX模型转换为TRT以提高运行效率。
摘要由CSDN通过智能技术生成

准备原始点云数据，为bin格式

安装point_labeler工具，根据readme步骤安装，并设定好格式进行标签

修改bonnetal的配准

安装semantic-kitti，查看点云标签content，并修改bonnetal上的设置

./content.py --dataset ~/dataset/ -c config/semantic-kitti.yaml

于bonnetal上进行训练，训练指令，更改代码生成onnx

./train.py -d ~/dataset/ -ac config/arch/my_data.yaml -dc config/labels/my_data.yaml -l log/

运行rangenet，将onnx转换为trt，运作截图
请添加图片描述

Nico_J ??
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
Ubuntu20.04+cuda11.4运行 rangenet++ 问题总结
weixin_45233752的博客
03-02 641
服务器上，使用cuda11.4，ubuntu20.04，运行rangenet++可视化界面遇到的问题
lidar-bonnetal:LiDAR点云的语义和实例分割，用于自动驾驶
05-10
激光雷达 使用距离图像对点云进行语义分割。 由 ， ， 和 来自数据集的分割结果示例： 描述 该代码提供了使用距离图像作为中间表示来训练和部署LiDAR扫描语义分割的代码。 培训管道可以在找到。 我们将尽快开源部署管道。 预训练模型 squeezesegV2 + crf darknet21 暗网53 暗网53-1024 暗网53-512 要启用kNN后处理，只需在模型目录内的arch_cfg.yaml文件参数中将布尔值更改为True 。 模型预测 语义技术 这些是训练，验证和测试集的预测。 可以针对训练和验证集评估性能，但对于测试集评估，则需要提交基准测试（标签不公开）。 没有后处理： 塞格塞格 squeezeseg + crf squeezesegV2 squeezesegV2 + crf darknet21 暗网53 暗网53-1024 暗网53-5
深度学习(七)：RangeNet++代码运行与学习
热门推荐
biter0088的博客
03-16 1万+
0 前言 本机：RTX3070,cuda-11.0 官方github:https://github.com/PRBonn/lidar-bonnetal 论文：RangeNet++: Fast and Accurate LiDAR Semantic Segmentation 0.1 KITTI语义分割数据集--SemanticKITTI 链接：SemanticKITTI - A Dataset for LiDAR-based Sem......
探索LiDAR-Bonnetal：一款强大的自动驾驶感知工具
gitblog_00084的博客
04-25 313
探索LiDAR-Bonnetal：一款强大的自动驾驶感知工具 lidar-bonnetalSemantic and Instance Segmentation of LiDAR point clouds for autonomous driving项目地址:https://gitcode.com/gh_mirrors/li/lidar-bonnetal 项目简介 是一个由德国波恩大学PRBonn...
跑rangenet总结
Parker盘的博客
09-26 579
跑rangenet总结 该项目需要安装cuda和tensorrt，需要严格按照官方要求的版本进行安装，否则会出现意想不到的问题。 项目的链接rangenet链接 cuda安装教程 tensorrt安装教程 这两个链接是安装的链接 严格按照这两个安装就基本不会出错。另外是系统最好是16.04. 如果出现umet dependency 用如下命令修复： apt --fix-broken install ...
深度学习(11):RangeNet++论文翻译与学习
biter0088的博客
04-04 5169
RangeNet++: Fast and Accurate LiDAR Semantic Segmentation RangeNet++：快速准确的 LiDAR 语义分割 目录 摘要 1 Introduction 2 Related Work 3 Our Approach A. Range Image Point Cloud Proxy Representation(距离图像点云代替表示) B. Fully Convolutional Semantic Segmentation(全卷积语义分
RangeNet++ 检测3D点云语义算法的详细配置和常见问题
最新发布
u014374826的博客
05-21 1329
RangeNet++ 源码编译
语义分割算法RangeNet++语义标签颜色对应关系
u014374826的博客
06-17 1001
moving-motorcyclist（行驶的摩托车骑手）moving-other-vehicle（行驶的其他车辆）moving-bicyclist（行驶的自行车骑手）moving-on-rails（行驶的轨道交通）other-structure（其他结构）moving-person（行驶的行人）other-vehicle（其他车辆）moving-truck（行驶的卡车）other-ground（其他地面）moving-bus（行驶的公交车）moving-car（行驶的汽车）on-rails（轨道交通）
深度学习-ubuntu18.04+RTX3080下安装rangnet++推理版踩坑全纪录
weixin_40826634的博客
11-13 4572
ubuntu18.04+RTX3080下安装rangnet++推理版踩坑全纪录
rangenet++工作空间在哪
05-17
我不知道rangenet++工作空间具体在哪里，因为rangenet++是一个开源项目，可以在GitHub上找到其代码库。如果你想使用rangenet++，你需要...在设置工作空间之后，你可以运行rangenet++提供的训练程序，来训练自己的模型。
Based+3d+object+detection_雷达数据集训练3d目标检测的实例_目标检测_雷达三维_
09-28
针对雷达数据的特性，一些专门设计的网络结构如F-PointNet、RangeNet++或 SECOND 等可能更为适用。这些网络往往结合了雷达数据的范围图像（range image）和角度信息，能够有效处理雷达数据的特性。 在模型训练阶段...
SuMa++_基于雷达的语义SLAM_梦在北.docx
10-29
具体来说，使用的是RangeNet++网络，这是一种专门设计用于处理激光雷达数据的网络，它能够在激光雷达扫描的球面上进行语义分割。 - **点云处理**：采用球面投影技术对点云进行高效处理。这样做的好处是可以简化计算...
git clone https://github.com/ros/catkin.git git clone https://github.com/PRBonn/rangenet_lib.git
05-17
这两个命令是用来从 GitHub 上克隆两个不同的代码库到...RangeNet++ 是一个用于点云语义分割和目标检测的深度学习模型。 通过这两个命令，可以将这两个代码库克隆到本地电脑上，并在本地电脑上进行编译、运行和测试。
【RangeNet++ 解读】快速准确的激光雷达语义分割
不积跬步，无以至千里！
08-27 4292
RangeNet++ 发表于2019年，是基于激光点云的语义分割网络，可实时地应用在自动驾驶领域。
【点云语义分割】Ubuntu20.04配置运行RangeNet++
qq_53589322的博客
04-24 1363
如果Cuda下载用的是deb（local），则TensorRT也需要下载Debian包本地安装；而Cuda用runfile安装，就得下载tar压缩安装；两者需要对应，否则安装会报错。将解压出的文件，移动到/usr/local/cuda文件夹下：（根据自己的路径进行修改）选择Archived cuDNN Releases。开始安装，取消安装驱动，其余默认（y）安装。赋予所有用户权限，cudnn安装完成。需要花点时间，请耐心等待。下载完成后，解压到本地。python接口验证。
点云 3D 分割 - RangeNet++（IROS 2019）
77wpa的博客
01-27 1646
自动驾驶汽车中的感知通常通过一套不同的感知模式进行。鉴于大量公开可用的标记RGB数据以及用于基于图像的识别的高质量深度学习算法的出现，高级语义感知任务主要使用高分辨率相机来解决。因此，其他可能对该任务有用的传感器模态通常被忽略。在本文中，我们推进了仅LiDAR语义分割的最新技术，以便为车辆提供另一个独立的语义信息源。我们的方法可以在传感器帧速率下准确地执行LiDAR点云的完全语义分割。我们利用距离图像作为中间表示，结合卷积神经网络（CNN）利用旋转激光雷达传感器模型。
激光雷达点云语义分割学习笔记之RangeNet++
baller_Tionary的博客
10-27 493
本博客针对基于投影方法的激光雷达点云语义分割的经典模型之一：RangeNet++的复现
激光点云语义分割算法：RangeNet++
DeepDriving
08-12 1619
介绍激光点云语义分割算法RangeNet++
【语义地图】Ubuntu18.04 Suma++代码配置运行
我们终将会成为更好的人
06-09 3917
Ubuntu18.04配置运行语义地图构建代码Suma++，总结编译时的一些报错，编译后运行可执行程序visualizer ，展示界面和建图过程。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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