MMDetection3D学习笔记一：环境搭建

1 简介

更推荐直接参考学习官方文档以及官方GitHub仓库，其所包含的内容最全面权威。

MMDetection3D是一个基于PyTorch的开源对象检测工具箱，专门用于处理3D场景中检测和分割任务，属于OpenMMLab项目的一部分。可以基于MMDetection3D实现基于点云、图像和多模态数据的3D检测与分割。

目前MMDetection3D已经支持数十种不同的算法及多个主流数据集，每个算法都提供了多个SOTA的预训练模型，可以直接使用这些预训练模型实现推理。可以参考模型库和数据集。

2 最佳环境安装实践

mmdet3d共有4个依赖，分别是MMCV（基础库）、MMDet（检测）、MMSeg（分割）、MMEngine（基础库）。

2.1 配置conda环境

conda create --name mmdet3d python=3.8 -y
conda activate mmdet3d
# 根据自己的cuda版本安装合适的torch，参考pytorch.org
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cu121

2.2 安装相关依赖

pip install -U openmim #mim包管理工具
mim install mmengine
mim install 'mmcv>=2.0.0rc4'
mim install 'mmdet>=3.0.0'
pip install "mmsegmentation>=1.0.0" #如果不做分割，也可以先不装mmsegmentation

note： MMEngine和MMCV也可以直接使用pip安装。但注意，如果想要使用 pip 而不是 MIM 安装 MMCV，请参考Installation — mmcv 2.2.0 文档，这需要用指定 url 的形式手动指定对应的 PyTorch 和 CUDA 版本。安装MMCV之前最好看一下版本对应关系。如果要装早期版本的mmdet也可以使用pip。

2.3 安装mmdet3d

• 方案a（建议）

  如果您开发并直接运行 mmdet3d，从源码安装它：

  git clone https://github.com/open-mmlab/mmdetection3d.git -b dev-1.x
  # "-b dev-1.x" 表示切换到 `dev-1.x` 分支。
  cd mmdetection3d
  pip install -v -e .
  # "-v" 指详细说明，或更多的输出
  # "-e" 表示在可编辑模式下安装项目，因此对代码所做的任何本地修改都会生效，从而无需重新安装。
  

• 方案b

  如果您将 mmdet3d 作为依赖或第三方 Python 包使用，使用 MIM 安装：

  mim install "mmdet3d>=1.1.0rc0"
  

2.4 验证

python
>>>import mmdet3d
>>>print(mmdet3d.__version__)
# 打印出mmdet3d的版本号即安装成功

3 通过 Docker 使用 MMDetection3D

官方提供了 Dockerfile 来构建一个镜像。请确保 docker 版本 >= 19.03。

# 基于 PyTorch 1.9，CUDA 11.1 构建镜像
# 如果您想要其他版本，只需要修改 Dockerfile
docker build -t mmdetection3d docker/

以下命令运行 Docker 镜像：

docker run --gpus all --shm-size=8g -it -v {DATA_DIR}:/mmdetection3d/data mmdetection3d