当前位置：首页 > article >正文

OpenPCDet从环境配置到模型训练

article 2025/1/11 17:07:38

一、环境安装：

操作系统 :ubuntu 20.04+docker [11.8.0-cudnn8-devel-ubuntu18.04]

代码下载地址：GitHub - open-mmlab/OpenPCDet: OpenPCDet Toolbox for LiDAR-based 3D Object Detection.OpenPCDet Toolbox for LiDAR-based 3D Object Detection. - open-mmlab/OpenPCDethttps://github.com/open-mmlab/OpenPCDet.git

下载代码到本地，然后按照readmd.md 进行环境配置,官方提供的pytorch 推荐版本：1.1, 1,3, 1,5

本次选择的版本为 1.5。选择相匹配的cuda和cudnn 版本。cuda-10.2+cudnn-7.6.5.

pytorch 1.5 + cuda10.2 + cudnn-7.6.5

1、创建一个name为pp的容器：

sudo docker run -dt \ -e DISPLAY=$DISPLAY \ -v /tmp/.X11-unix:/tmp/.X11-unix \ --mount type=bind,source=/home/document/Section,target=/mnt/section \ --restart=always \ --name pp \ --gpus all 、-p 8080:80 你的镜像名

2、在容器内安装annconda：

Download Now | AnacondaAnaconda is the birthplace of Python data science. We are a movement of data scientists, data-driven enterprises, and open source communities.https://www.anaconda.com/download/success3、安装cuda-10.2+cudnn7.6.5

CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archivecuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive

tar -xvf cudnn-10.2-linux-x64-v7.6.5.32.tgz

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

4、pip install -r requirements.txt

5、安装spconv1.2

git clone https://github.com/traveller59/spconv.git --resursive

6、安装mayavi conda install -c conda-forge mayavi

pip 环境版本

目前出现的一个问题是numba 版本问题，在模型训练的时候，如果进行模型评估，进需要0.55.1版本，可视化需要0.58.1。

执行 python setup.py develop

python demo.py --cfg_file tools/kitti_models/pointpillar.yaml --data_path data/demo.bin --ckpt model.pth 完成测试

至此以上环境搭建完成。

二、数据标注

标注工具安装

git clone https://github.com/ch-sa/labelCloud.git

conda create -n labelimg python=3.8 -y #创建环境

conda activate label3.8 #激活命令

cd labelCLoud #进入下载文件夹

pip install labelCloud #安装labelCloud

pip install -r requirements.txt #安装环境

python3 labelCloud.py #运行命令

私有数据是录制的.bag 包文件，通过

rosrun pcl_ros bag_to_pcd your_bag_file.bag /your_point_cloud_topic output_directory

pcd 文件转成bin 文件，C++ 脚本

#include <omp.h>
#include <ctime>
#include <vector>
#include <string>
#include <algorithm>
#include <pcl/io/pcd_io.h>
#include <pcl/common/common_headers.h>
#include <sys/stat.h>
#include <pcl/io/boost.h>
#include <boost/program_options.hpp>
#include <fstream>
#include <iostream>
#include <vector>
#include <dirent.h> 
#include <cstring>
#include <sys/stat.h> 

void convertPCDtoBin(std::string &in_file, std::string& out_file)
{
	pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>);
	if (pcl::io::loadPCDFile<pcl::PointXYZI>(in_file, *cloud) == -1) //* load the file
	{  
		std::string err = "Couldn't read file " + in_file;
		PCL_ERROR(err.c_str());
		return;
	}
	std::cout << "Loaded "
		<< cloud->width * cloud->height
		<< " data points from "
		<< in_file
		<< " with the following fields: "
		<< std::endl;
        
	std::string out_file1 = out_file + ".bin";
	std::ofstream myFile(o