【源码】基于PyTorch框架的PointPillars 3D目标检测系统

项目简介

本项目是基于PyTorch框架的PointPillars 3D目标检测系统，其基于nutonomy的Second算法改进而来，专门用于处理点云数据，能高效检测3D空间中的物体，在自动驾驶和机器人视觉领域有广泛应用前景。

项目的主要特性和功能

1. 3D目标检测：可从点云数据中检测出3D物体，适用于自动驾驶和机器人视觉。
2. 高性能计算：支持CUDA加速，能在GPU上高效运行。
3. 灵活的配置：支持多种损失函数、优化器和学习率调度器，可按需调整。
4. 数据处理：提供从KITTI数据集下载、预处理到模型训练的全套工具。
5. 模型评估：内置评估工具，可对模型的检测性能进行评估。

安装使用步骤

假设用户已经下载了本项目的源码文件。

1. 环境配置

确保环境满足以下要求： - Ubuntu 18.04 - RTX2080ti - CUDA 10.1 - cuDNN 7.5 - Anaconda 3 - Python 3.6 - PyTorch 1.5

2. 进入项目目录

bash cd nutonomy_pointpillars

3. 安装依赖

bash conda create -n pointpillars python=3.6 anaconda source activate pointpillars conda install shapely pybind11 protobuf scikit-image numba pillow pip install torch==1.5 fire tensorboardX conda install google-sparsehash -c bioconda

4. 安装spconv

bash cd spconv python setup.py bdist_wheel cd dist pip install spconv-1.2.1-cp36-cp36m-linux_x86_64.whl

5. 配置CUDA环境

bash gedit ~/.bashrc export NUMBAPRO_CUDA_DRIVER=/usr/lib/x86_64-linux-gnu/libcuda.so export NUMBAPRO_NVVM=/usr/local/cuda/nvvm/lib64/libnvvm.so export NUMBAPRO_LIBDEVICE=/usr/local/cuda/nvvm/libdevice source ~/.bashrc

6. 下载并配置KITTI数据集

bash wget https://s3.eu-central-1.amazonaws.com/avg-kitti/data_object_image_2.zip wget https://s3.eu-central-1.amazonaws.com/avg-kitti/data_object_calib.zip wget https://s3.eu-central-1.amazonaws.com/avg-kitti/data_object_label_2.zip wget https://s3.eu-central-1.amazonaws.com/avg-kitti/data_object_velodyne.zip wget https://s3.eu-central-1.amazonaws.com/avg-kitti/devkit_object.zip 解压并组织数据集： bash mkdir KITTI_DATASET_ROOT unzip data_object_image_2.zip -d KITTI_DATASET_ROOT/training/image_2 unzip data_object_calib.zip -d KITTI_DATASET_ROOT/training/calib unzip data_object_label_2.zip -d KITTI_DATASET_ROOT/training/label_2 unzip data_object_velodyne.zip -d KITTI_DATASET_ROOT/training/velodyne

7. 创建数据信息

bash python create_data.py create_kitti_info_file --data_path=KITTI_DATASET_ROOT python create_data.py create_reduced_point_cloud --data_path=KITTI_DATASET_ROOT python create_data.py create_groundtruth_database --data_path=KITTI_DATASET_ROOT

8. 训练模型

bash cd ~/second.pytorch/second python ./pytorch/train.py train --config_path=./configs/pointpillars/car/xyres_16.proto --model_dir=./model_dir

9. 评估模型

使用内置的评估工具对模型进行评估： bash python eval.py --model_dir=./model_dir

通过以上步骤，可成功配置并运行PointPillars 3D目标检测系统。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】