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