【三維視覺】【深度學習】ubuntu18.04下PointNet官方代碼Pytorch實現

提示:最近開始在三維深度學習方面進行研究,記錄相關知識點,分享學習中遇到的問題已經解決的方法。

---

文章目錄

• 【三維視覺】【深度學習】ubuntu18.04下PointNet官方代碼Pytorch實現
• 前言
• 一、數據集說明
• • 1.CloudCompare
  • 2.點云數據
  • 3.ModelNet10/40【點云分類】
  • 4.ShapeNet 【部件分割】
• 二、PointNet模型運行
• • 1.下載源碼并安裝環境
  • 2.下載并編譯可視化工具
  • 3.Classification【分類】
  • • 訓練
    • 測試
  • 4.Segmentation【分割】
  • • 訓練
    • 測試
• 總結

---

前言

PointNet是由斯坦福大學的Charles R. Qi等人在《PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation》【論文地址】一文中提出的模型,是點云神經網絡的鼻祖,它提出了一種網絡結構,可以直接從點云中學習特征。
在詳細解析PointNet網絡之前,首要任務是搭建PointNet【Pytorch-demo地址】所需的運行環境,并模型完成訓練和測試工作,展開后續工作才有意義。

---

一、數據集說明

1.CloudCompare

CloudCompare是一個三維點云(網格)編輯和處理軟件。
安裝前的準備配置:git、和cmake

# 安裝git,用于從Github上克隆項目到本地 sudo apt-get install git # 安裝cmake,用于程序的編譯 sudo apt-get install cmake # 解決camke時出現Failed to find "GL/gl.h"的問題,缺少libGl庫 sudo apt-get install libgl1-mesa-dev sudo apt-get install build-essential qt5-default qtscript5-dev libssl-dev qttools5-dev qttools5-dev-tools qtmultimedia5-dev libqt5svg5-dev libqt5webkit5-dev libsdl2-dev libasound2 libxmu-dev libxi-dev freeglut3-dev libasound2-dev libjack-jackd2-dev libxrandr-dev libqt5xmlpatterns5-dev libqt5xmlpatterns5

源碼編譯安裝【強烈推薦官方教程】
或者可以在軟件商店和用snap來安裝(docker的ubuntu18.04容器安裝存在不少問題)

# git下載CloudCompare源碼(需要科學上網) git clone --recursive https://github.com/cloudcompare/CloudCompare.git cd CloudCompare&& mkdir build && cd build cmake .. make -j16 # cmake --build . # cmake --install .

cmake過程中可能出現的錯誤

根據提示到"/root/CloudCompare/libs/qCC_db/extern/CCCoreLib/"發現內部是空的。

解決方法
在githup上找到CCCoreLib目錄下,點擊進入CCCoreLib官方地址

同樣通過git下載。

# 到CCCoreLib所在目錄下 cd /root/CloudCompare/libs/qCC_db/extern # 刪除CCCoreLib空文件夾 rm -rf CCCoreLib/ # git下載CCCoreLib源碼(需要科學上網) git clone --recursive https://github.com/CloudCompare/CCCoreLib.git

cmake編譯成功

2.點云數據

點云中每個點都包含了空間坐標信息,這些信息之間構成一定的集合空間特性:

點云數據是無序的,排列順序并不改變其指代的信息 ;

掃描與視角不同導致點云數據近密遠疏;

點云是非結構化數據,不同于圖像像素的結構化,因此不利于CNN進行卷積操作。

如何對點云數據進行特征提取是需要解決的任務

3.ModelNet10/40【點云分類】

ModelNet10/40是一個基礎的3d點云圖像分類的數據集,它里面全部都是CAD手工繪制的點云數據,在pointnet和pointnet++都有使用這個數據集進行分類。官網下載(部分可直接下載，其它需要郵件作者):

百度云鏈接【提取碼:ca89】:

4.ShapeNet 【部件分割】

ShpaeNet是一個大規模的3d點云部件分割的形狀數據集,在pointnet和pointnet++都有使用這個數據集進行部件分割。官網下載需注冊審核才能下載,審核較慢):

百度云鏈接【提取碼:evqi 】

---

二、PointNet模型運行

1.下載源碼并安裝環境

在ubuntu18環境下,建議安裝安裝anaconda環境,方便搭建專用于PointNet模型的虛擬環境。
【Pytorch-教程】

# 創建虛擬環境 conda create -n PointNet-Pytorch python==3.7.4 # 查看新環境是否安裝成功 conda env list # 激活環境 source activate PointNet-Pytorch # 下載githup源代碼到合適文件夾,并cd到代碼文件夾內 git clone https://github.com/fxia22/pointnet.pytorch cd pointnet.pytorch # 通過清華源,下載所需的第三方包 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -e . # 查看所有安裝的包 pip list conda list

提示(我也是第一次接觸,感覺挺有用,分享大佬博客供大家參考)
pip install -e . 解析
setup.py 解析

最終的安裝的所有包。

檢查torch版,已經安裝torch-gpu版本

# 查看pytorch版本 import torch print(torch.__version__) # 查看cuda版本 print(torch.version.cuda) # 查看cuda是否可用 print(torch.cuda.is_available()) # 查看可用cuda數量 print(torch.cuda.device_count())

測試過程需要安裝的包

# 安裝opencv pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python # 安裝matplotlib pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib

2.下載并編譯可視化工具

# 打開gitbash進入到pointnet的script文件夾內 cd scripts #編譯可視化工具 bash build.sh # 下載數據集 bash download.sh

正確編譯后在"pointnet.pytorch/utils/"目錄下產生render_balls_so.so文件。

用命令在"pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/"下載完成的數據集,或者通過博主提供的百度云進行下載解壓。

3.Classification【分類】

訓練

# pointnet.pytorch-master/utils文件夾下 cd utils # 訓練 python train_classification.py --dataset=/root/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --nepoch=4 --dataset_type=shapenet

測試

# pointnet.pytorch-master/utils文件夾下 cd utils # 測試 cls_model_3.pth是訓練好的模型 python show_cls.py --model cls/cls_model_3.pth

解決出現的“FileNotFoundError: [Errno 2] No such file or directory: 'shapenetcore_partanno_segmentation_…synsetoffset2category.txt’”問題:
1.修改show_cls.py中root中的路徑:

2.修改和添加部分代碼【強烈建議】:

parser.add_argument('--dataset', type=str, default='', help='dataset path') root=opt.dataset,

同時測試命令增加dataset路徑

python show_cls.py --model cls/cls_model_3.pth --dataset=/root/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/

4.Segmentation【分割】

訓練

# pointnet.pytorch-master/utils文件夾下 cd utils # 訓練 python train_segmentation.py --dataset=/root/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --nepoch=5 --class_choice=Motorbike

測試

# pointnet.pytorch-master/utils文件夾下 cd utils # 測試 cls_model_3.pth是訓練好的模型 python show_seg.py --model seg/seg_model_Motorbike_4.pth --dataset=/root/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --class_choice Rocket

界面交互快捷鍵功能

q	程序是死循環的, 退出程序
t+q	變換顏色
q	放大
m	縮小
r	恢復原狀
s	保存圖片

---

總結

盡可能簡單、詳細的介紹PointNet的安裝流程以及解決了安裝過程中可能存在的問題。后續會根據自己學到的知識結合個人理解講解PointNet的原理和代碼。

總結

以上是生活随笔為你收集整理的【三维视觉】【深度学习】ubuntu18.04下PointNet官方代码Pytorch实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。