Paper——基于Ubuntu18.04跑通Lift, Splat, Shoot

文章目录

• ​​环境配置​​

• ​​Python依赖​​
• ​​数据集下载​​

• ​​1. Mini dataset​​
• ​​2. Full dataset​​

• ​​运行​​

• ​​Eval​​
• ​​Visualize​​

项目地址：https://github.com/nv-tlabs/lift-splat-shoot
数据集下载地址：https://www.nuscenes.org/download

环境配置

Python依赖

conda create -n bev python=3.7
conda activate bev

• 安装torch：

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

• 安装工具：

pip install nuscenes-devkit tensorboardX efficientnet_pytorch==0.7.0

数据集下载

1. Mini dataset

• 下载mini即可：
• 解压数据集，并将根目录下的v1.0-mini改成mini：

Map

• 下载最新的Map expansion
• 解压到maps文件下：

2. Full dataset

依然是从网上下载得到，整理成如下格式，根目录为​​SAVE_PATH/nuscense/trainval​​：

• ​​samples​​​和​​sweeps​​为所有图像的数据；
• ​​v1.0-trainval​​为所有数据集的json文件。

运行

• 拉取项目文件：

git clone https://github.com/nv-tlabs/lift-splat-shoot.git

• 下载模型文件：

https://github.com/lukemelas/EfficientNet-PyTorch/releases/download/1.0/efficientnet-b0-355c32eb.pth

Eval

这里的dataroot改成你自己的路径位置，GPU如果是默认一块则为0：

python main.py eval_model_iou mini --modelf=./efficientnet-b0-355c32eb.pth --dataroot=/home/pc/Dataset/nuScenes --gpuid=0

• 报错
  如果在模型读取时报如下错误



• 解决方法
  将报错位置的python代码改为：

model.load_state_dict(torch.load(modelf), False)

即可解决。

• 运行成功如下：

Visualize

和上一步配置相同：

python main.py viz_model_preds mini --modelf=./efficientnet-b0-355c32eb.pth --dataroot=/home/pc/Dataset/nuScenes --map_folder=/home/pc/Dataset/nuScenes/mini --gpuid=0

• 报错
  如果在模型运行时报如下错误：（因为本机GPU卡编号和定义的不同导致报错）



• 解决方法
  将报错位置的python代码改为：

device = torch.device('cpu') if gpuid >= 0 else torch.device(f'cuda:{gpuid}')

• 运行成功：