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 -yconda 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.gitcd 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 osimport numpy as npimport structimport open3ddef 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()