MMdetection3d环境搭建和使用避坑记录

MMdetection3d环境搭建和使用避坑记录 MMdetection3d环境搭建和使用避坑记录 官方github:https://github.com/open-mmlab/mmdetection3d 官方文档：https://mmdetection3d.readthedocs.io/ 本文以在MMdetection3d平台简单训练和测试pointpillars为例，推荐一套不容易报错的一条龙配置流程。

推荐使用Anaconda创建虚拟环境，这样方便管理环境（比如重装）：

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

先安装1.15.0-1.20.0版本的numpy，不然后面会和numba的版本不兼容：

pip install numpy==1.18.0

推荐安装1.5.0的pytorch和10.1的cuda，版本不要太高：

conda install pytorch==1.5.0 cudatoolkit=10.1 torchvision==0.6.0 -c pytorch

不高于1.4.0版本的mmcv-full：

pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.5.0/index.html

2.14.0版本的mmdet：

pip install mmdet==2.14.0

0.14.1版本的mmsegmentation:

pip install mmsegmentation==0.14.1

下载MMDetection3D:

git clone https://github.com/open-mmlab/mmdetection3d.git
cd mmdetection3d

编译：

pip install -v -e .

安装Open3D,方便可视化：

pip install open3d-python

数据集的制作形式推荐模仿常用数据集如：KITTI,Waymo:

KITTI文件形式如下，放入对于的自己的数据就好了：

mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│   ├── kitti
│   │   ├── ImageSets
│   │   ├── testing
│   │   │   ├── calib
│   │   │   ├── image_2
│   │   │   ├── velodyne
│   │   ├── training
│   │   │   ├── calib
│   │   │   ├── image_2
│   │   │   ├── label_2
│   │   │   ├── velodyne

KITTI官网：http://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=3d

训练

python tools/train.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class.py

注：训练的时候可能会出现“RuntimeError: CUDA out of memory”的错误，也就是显存泄漏了，所以需要根据自己的显卡的显存修改samples_per_gpu:

configs/_base_/datasets/kitti-3d-3class.py文件中99行改小sample_per_gpu

测试

python tools/test.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class.py checkpoints/epoch_80.pth --eval mAP --options 'show=True' 'out_dir=./data/pointpillars/show_results'

'show=True’的选项需要保证Open3d的安装，提供一个Open3d直接可视化bin文件的脚本，修改路径就好了：

import os
import numpy as np
import struct
import open3d

def read_bin_velodyne(path):
    pc_list=[]
    with open(path,'rb') as f:
        content=f.read()
        pc_iter=struct.iter_unpack('ffff',content)
        for idx,point in enumerate(pc_iter):
            pc_list.append([point[0],point[1],point[2]])
    return np.asarray(pc_list,dtype=np.float32)

def main():
    root_dir='/home/zhuzhengming/mmdetection3d/data/kitti/kitti_gt_database'
    filename=os.listdir(root_dir)
    file_number=len(filename)

    pcd=open3d.open3d.geometry.PointCloud()

    for i in range(file_number):
        path=os.path.join(root_dir, filename[i])
        print(path)
        example=read_bin_velodyne(path)
        # From numpy to Open3D
        pcd.points= open3d.open3d.utility.Vector3dVector(example)
        open3d.open3d.visualization.draw_geometries([pcd])

if __name__=="__main__":
    main()