3d点云目标检测算法框架

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

PointRCNN在华为云modelArts的实现记录

• 前言
• 一、获得数据

• 1.下载数据

• 二、环境配置

• 1.环境创建
• 2.环境配置

• 三、开始训练

• 训练代码

• 总结

---

前言

应行车环境感知课程要求，我们小组选择PointRCNN网络在华为云的平台中实现复现，再此提供参考

---

正文：

一、获得数据

1.下载数据

下载下图中的的第2,5,6,7行数据。

下载完后解压，通过OBS桶的本地上传工具完成数据上传。

注意：

1.OBS桶的服务器地址要和modelarts在同一地方，才能进行数据拷贝，创建时需选择同一地址

2.下载解压和上传需要很久，确定数据无误后耐心等待。

上传完成后如上图，记住自己的路径，第2-5为上传的数据。

最后一行数据可以选择性上传，训练时需要使用，不使用可以选择注释相关读取代码。

二、环境配置

1.环境创建

我们选择在上海1创建了一个notebook（具体创建方式参考华为云教程）

这里贴出我们的系统参数供参考（需选择GPU，pytorch=1.0版本）

2.环境配置

启动notebook，进入jupybook环境。首先将PointRCNN的有关包按照github开源指引下载到目录下。进入data目录中，将OBS桶的数据copy到data中，供接下来训练调用。使用华为云的moxing模块，配置复制前后路径即可完后才能数据的拷贝。

上面代码的路径需按照你的配置更改

回到上级目录，安装所需要的包。

进入tools目录，上传作者的与训练模型（github有作者的模型），简单测试，检查环境是否配置成功。

!git clone https:xxxxx  
//具体克隆代码可以参考原作者github
!sh build_and_install.sh
//这一步会安装作者的包，需要上一步克隆正确才能执行
//确定克隆无误仍然执行报错，若果错误是luinx内核问题，建议更换服务器

三、开始训练

训练代码

这里贴出截图供参考

有关调用参数可以查看作者的源文件

上述代码会依次完成行人和骑自行车的人的模型训练与测评

耗时约3-5小时

总结

未完待续。