录

前言

一.资料下载

1.代码下载

2.数据集下载

二.环境配置

1.本文采用设备配置说明

2.虚拟环境配置

三.训练部分

1.分类训练部分

2.分割的训练部分

四.预测部分

1.分类结果展示

2.分割结果可视化

前言

目前，2D的物体检测算法已经非常成熟，算法准确率的上升空间已经遇到瓶颈，而且2D物体检测多受光照、遮挡等外界环境因素影响，已经满足不了时下复杂环境要求。人们开始转向对3D物体世界的研究，3D物体检测掀起了前所未有的浪潮。本文pointnet网络可以说是3D物体检测领域中里程碑性的工作，它也为后续复杂网络奠定了基础，是3D物体检测领域不可不学，不可不复现的经典网络。

一.资料下载

1.代码下载

代码放在百度网盘了，可在如下链接中下载：

http://链接：https://pan.baidu.com/s/1w_tJU3UlPish9bQLYEzE2g 提取码：zfquhttp://链接：https://pan.baidu.com/s/1w_tJU3UlPish9bQLYEzE2g 提取码：zfqu

下载完代码如下：

2.数据集下载

https://shapenet.cs.stanford.edu/ericyi/shapenetcore_partanno_segmentation_benchmark_v0.ziphttps://shapenet.cs.stanford.edu/ericyi/shapenetcore_partanno_segmentation_benchmark_v0.zip数据集下载完直接解压即可

如点开网页出现信息如下图：

可点击图片上的高级选项，然后继续进行下载，如下图黑框中：

二.环境配置

1.本文采用设备配置说明

系统：Ubuntu 18.04.6 LTS（window系统也可）

显卡：RTX3090

CUDA版本：cuda11.1

2.虚拟环境配置

在anconda中创建python3.6版本的虚拟环境，激活虚拟环境并在其中下载torch：

torch1.8.0+cu111

torchvision0.9.0+cu111

以上环境配置出现问题可以查看我上一篇环境配置部分，根据自己电脑配置，配置相对应的cuda及torch版本

三.训练部分

1.分类训练部分

（1）在配置好的虚拟环境中执行：

python train_classification.py --dataset shapenetcore_partanno_segmentation_benchmark_v0

--dataset 是指定需要训练的数据集

（2）训练过程如下图：

训练完的权重文件会存放在cls文件夹中

2.分割的训练部分

（1）在配置好的虚拟环境中执行：

python train_segmentation.py --dataset shapenetcore_partanno_segmentation_benchmark_v0

--dataset 是指定需要训练的数据集

（2）训练过程如下图：

训练完的权重文件会存放在seg文件夹中

四.预测部分

1.分类结果展示

输入以下代码进行预测：

python show_cls.py --model ./cls/cls_model_4.pth

--model 指定得是训练好的权重文件，结果如下：

可见，准确率大多都在93%以上，检测效果良好

2.分割结果可视化

输入以下代码进行预测：

python show_seg.py --class_choice 'Car' --model ./seg/seg_model_Chair_4.pth

--class_choice 指定要识别的物体类别

--model 指定得是训练好的权重文件，结果如下：

可见，网络已经成功分割出了汽车，这是由3d点云组成的动态汽车图，可滑动鼠标进行查看

还可以分割飞机等其他物体，操作方法是一样的，只需换一下指定的物体类别，如：

python show_seg.py --class_choice 'Airplane' --model ./seg/seg_model_Chair_4.pth

可视化结果如下：

配置过程中遇到任何问题，可以加关注私聊我，很愿意帮你解决！！！

基于pointnet的3D物体分类和分割检测（复现不出来你直接敲我家门）相关推荐

PointNet：3D点集分类与分割深度学习模型
之前的一篇博客<动手学无人驾驶(4):基于激光雷达点云数据3D目标检测>里介绍到了如何基于PointRCNN模型来进行3D目标检测,作者使用的主干网是PointNet++,而PointNe ...
3D物体分类---ModelNet .OFF格式生成多视角图像（Blender方法之第二步）
3D物体分类---ModelNet .OFF格式生成多视角图像(Blender方法之第二步) 强烈建议使用Blender方法!!! 说明 2 python调用Blender生成多视角图像 2.1 Bl ...
matlab图像分类器,Matlab 基于svm的图像物体分类
Matlab 基于svm的图像物体分类发布时间:2018-05-16 20:27, 浏览次数:1623 , 标签: Matlab svm 本周工作日志,老师布置了一个小作业,让我们使用matlab实 ...
3D物体分类---ModelNet .OFF格式生成多视角图像（Blender方法之第一步）
3D物体分类---ModelNet .OFF格式生成多视角图像(Blender方法之第一步) 强烈建议使用Blender方法!!! 说明 1. ModelNet .OFF格式生成多视角图像方法(Ble ...
激光雷达：最新趋势之基于RangeView的3D物体检测算法
作者丨巫婆塔里的工程师@知乎来源丨https://zhuanlan.zhihu.com/p/406674156 编辑丨3D视觉工坊之前在LiDAR点云物体检测算法的综述中提到了四个发展阶段.在最开 ...
CVPR | 基于LiDAR的3D物体检测新框架
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散编辑:Sophia 计算机视觉联盟报道 | 公众号 CVLianMeng 转载于 :元戎启行近日,L4级自动 ...
更快更精准的感知，元戎启行提出基于LiDAR的3D物体检测新框架｜CVPR 2020
近日,L4级自动驾驶解决方案提供商元戎启行的一篇关于3D物体检测的论文被CVPR2020收录,论文题为"HVNet: Hybrid Voxel Network for LiDAR Based ...
基于ROS机器人的3D物体识别与三维重建(三）基于ROS的3D物体识别
Kinect2相机标定与点云数据获取 1.介绍 2 基于Gazebo搭建物体识别仿真环境 2.1 Gazebo简介 2.2 创建仿真环境 3 三维物体识别 3.1 基于模板匹配的物体识别流程 3.2 ...
Matlab 基于svm的图像物体分类
matlab 图像分类本周工作日志,老师布置了一个小作业,让我们使用matlab实现图像物体分类目录文章目录 matlab 图像分类目录 1分类原理 2程序流程补充 1分类原理基于一个很朴 ...

基于pointnet的3D物体分类和分割检测（复现不出来你直接敲我家门）

前言

一.资料下载

1.代码下载

2.数据集下载

二.环境配置

1.本文采用设备配置说明

2.虚拟环境配置

三.训练部分

1.分类训练部分

2.分割的训练部分

四.预测部分

1.分类结果展示

2.分割结果可视化

基于pointnet的3D物体分类和分割检测（复现不出来你直接敲我家门）相关推荐

最新文章

热门文章