阿里巴巴自动驾驶三维点云分割PointNet实现

最新推荐文章于 2024-08-16 08:22:43 发布

Summit_Yue

最新推荐文章于 2024-08-16 08:22:43 发布

阅读量1.4k

点赞数 2

分类专栏： Python Mechine Learning Deep Learning

本文链接：https://blog.csdn.net/u011197534/article/details/103690673

版权

该项目展示了PointNet在DataFountain平台上的阿里巴巴三维点云分割比赛中的应用。通过修改数据处理、训练和推断代码，尽管最终效果一般，但能用于学习交流。点云数据处理涉及将原始文件合并为npy格式，并提供了转换后的数据链接。模型训练和验证参数在hParam.py中定义，使用train.py进行训练和预测。

摘要由CSDN通过智能技术生成

阿里巴巴点云分割(PointNet)

项目地址：https://github.com/Summit11/PointNet_AliData

本项目是点云分割模型PointNet在DataFountain平台上阿里巴巴自动驾驶三维点云分割比赛 https://www.datafountain.cn/competitions/314/details/rule 数据集上实现的代码。模型和代码结构基本跟PointNet保持一致，主要修改了数据处理部分、train部分和inference部分的代码。结果提交了训练赛，效果一般，大概在复赛水平十几名的样子。事实上PointNet实际不太适用于无人驾驶场景下激光雷达获取的高度稀疏数据，反而比较适用于激光扫描仪得到的稠密点云数据场景。

数据处理

题目提供8万帧的点云数据，每一帧一个文件，考虑首先进行合并处理成我们需要的格式。
此处借鉴https://github.com/kiclent/pointSeg 的代码，将每100帧的的数据合并到一个6列的矩阵里，保存npy格式。由于转换程序比较耗时，博主将转换后的数据已共享到网盘。
链接: https://pan.baidu.com/s/1CaSG1S3XvIz8-s1To_ahUg 提取码: bxq8

模型训练

模型超参以及一些其他参数存储在hParam.py中，train_csv_path和test_csv_path指向原csv数据，train_npy_path和test_npy_path指向转换的npy文件存储位置，TRAIN_FILE_PATH则是训练时读取训练文件的地址，VALID_FILE_PATH指向训练