monodtr代码

1.在github上打包下载monodtr

2.根据requirements和代码中显示红色缺失的包来安装依赖包(pytorch1.11.0/python3.8)

3.安装cuda11.3和cudnn8.2.1

4.下载完整数据集并按照如下格式进行整理

#MonoDTR_ROOT
  |data/
    |KITTI/
      |object/			
        |training/
          |calib/
          |image_2/
          |label_2/
          |velodyne/
        |testing/
          |calib/
          |image_2/
          |velodyne/

5.在config.py里把path.data_path/path.test_path的路径改成自己的数据集路径,然后执行config.py

当使用别的数据集时也要按照上方数据集格式进行整理，并且要修改visualDet3D/data/kitti里chen/debug/test中的内容，因为这与config.py里train_split_file/val_split_file的路径相关

删除scripts/_path_init.py和scripts/train.py中coloredlogs模块

删除visualDet3D/networks/lib/ops/dcn/setup.py两个标红函数get_hash和get_version

修改根路径下make.sh中$TORCH_VER < '1.0'

6.执行根目录中的make.sh来编译deform convs和iou3d

./make.sh

7.执行以下代码计算均值方差深度

cd #MonoDTR_ROOT
./launchers/det_precompute.sh config/config.py train # precompute image database and anchors mean/std
python scripts/depth_gt_compute.py --config=config/config.py # precompute depth gt for training

8.开始训练

cd #MonoDTR_ROOT
 ./launchers/train.sh config/config.py 0 $EXP_NAME

9.开始验证

./launchers/eval.sh config/config.py 0 $CHECKPOINT_PATH validation