小白运行pointRCNN及其可视化

小白运行pointRCNN及其可视化

https://github.com/sshaoshuai/PointRCNN
在原作者的readme文件中将运行书写了一遍，但对于部分新手来说，在运行过程中还是会出现一部分问题的，本博客记录作为小白的我运行出现的问题即解决方案。
同时pointRCNN提供了训练数据的代码，但是未提供可视化的代码，本文将其可视化过程出现的问题和解决方案一并提供。

数据准备

http://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=3d
原始数据请大家在KITTI的官网上下载，程序中共需要四种数据，分别如下图所示：

可选项plane的地址：https://drive.google.com/file/d/1d5mq0RXRnvHPVeKx6Q612z0YRO1t2wAp/view
要下载该数据需要梯子，共40多G，如果翻墙有困难的话，可以将邮件发给我，我单独给你发送。

运行环境

Linux (tested on Ubuntu 14.04/16.04)
Python 3.6+
PyTorch 1.0
安装部分程序的时候嫌弃慢的小伙伴们，别忘了换源，百度一下，有清晰的教程。

安装必要的依赖包：
easydict 、tqdm、tensorboardX 、fire、numba、pyyaml、scikit-image 、shaply

运行程序

(注：如果嫌弃40G的数据大，可以对原本文件进行部分删除，后进行训练，比如将所有数据文件中的数据，除了将前1000个文件保留，其余都删掉，在data/KITTI/imageSets中四个txt文件中也只保留前1000个数据)

直接到Training中 按照步骤运行即可进行相关的训练。（切换到相关的目录文件中）
如：在/PointRCNN/tools中运行：
python generate_gt_database.py --class_name ‘Car’ --split train

Training of RPN stage：
在/PointRCNN/tools中运行：
单个GPU：
python train_rcnn.py --cfg_file cfgs/default.yaml --batch_size 16 --train_mode rpn --epochs 200
多个GPU：
CUDA_VISIBLE_DEVICES=0,1 python train_rcnn.py --cfg_file cfgs/default.yaml --batch_size 16 --train_mode rpn --epochs 200 --mgpus

训练过程如下：

第二阶段的训练：
按照原文正常输入即可，未遇到什么问题。

可视化

https://blog.csdn.net/wqwqqwqw1231/article/details/90788500

https://blog.csdn.net/RNG_uzi_/article/details/106521473?ops_request_misc=%7b%22request_id%22:%22159478811219724846438801%22,%22scm%22:%2220140713.130102334.pc_all.%22%7d&request_id=159478811219724846438801&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_ecpm_v3~rank_business_v1-20-106521473.ecpm_v3_rank_business_v1&utm_term=pointRCNN

前辈的这两篇博客将可视化写的非常详解。