Skip to content

Latest commit

 

History

History
162 lines (127 loc) · 4.44 KB

README.md

File metadata and controls

162 lines (127 loc) · 4.44 KB
Raw

mmdet3d_demo

基于mmdetection3d-0.17.1，一个实例性的工程，用于展示mmdetection3d的使用方法。

1. Install

# Create a new conda environment and install torch
conda create -n mmdet3d python=3.8 -y
conda activate mmdet3d
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

# Install gcc-6
conda install -c omgarcia gcc-6 # gcc-6.2

# It will be a long time when install mmcv-full
pip install --no-cache-dir mmcv-full==1.4.0 mmdet==2.28.2 mmsegmentation==0.30.0 

# Install mmdetection3d
cd mmdetection3d
pip install -v -e . 

# Install other requirements
pip install open3d

PS: 确保安装的torch与cuda版本与mmcv与mmdet版本尽量对应，否则会出现错误。

nvcc:

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Mon_May__3_19:15:13_PDT_2021
Cuda compilation tools, release 11.3, V11.3.109
Build cuda_11.3.r11.3/compiler.29920130_0

2. Start

文件组织如下：

mmdet3d_demo
├── configs
│   ├── _base_
│   ├── bevformer
│   ├── second
│   └── ...
├── data
│   ├── bevformer
│   ├── demo
│   └── ...
├── mmdet3d_plugin
│   ├── bevformer
│   ├── ...
│   └── __init__.py
├── tools
│   ├── bevformer
│   └── ...
├── weights
│   ├── bevformer_tiny_epoch_24.pth
│   ├── hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth
│   └── ...
├── pcd_demo.py
...

pcd_demo

从releases中下载权重, 然后放在./weights/ 文件夹下。

python pcd_demo.py data/demo/kitti/kitti_000008.bin configs/second/hv_second_secfpn_6x8_80e_kitti-3d-car.py weights/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth --show

PS: 也可以设置好参数后使用pycharm直接运行pcd_demo.py文件。

bevformer_demo

准备数据集

下载nuScenes V1.0 的full或者mini数据集（包括data和CAN bus expansion data），然后处理数据。

在data下新建一个bevformer文件夹，将数据准备成以下形式

bevformer
├── can_bus
└── nuscenes
    ├── maps
    ├── nuscenes_infos_temporal_train_mono3d.coco.json
    ├── nuscenes_infos_temporal_train.pkl
    ├── nuscenes_infos_temporal_val_mono3d.coco.json
    ├── nuscenes_infos_temporal_val.pkl
    ├── samples
    ├── sweeps
    └── v1.0-mini


python tools/bevformer/create_data.py nuscenes --root-path ./data/bevformer/nuscenes --out-dir ./data/bevformer/nuscenes --extra-tag nuscenes --version v1.0-mini --canbus ./data/bevformer

测试

从releases中下载权重, 然后放在./weights/ 文件夹下。

python tools/bevformer/test.py configs/bevformer/bevformer_tiny.py weights/bevformer_tiny_epoch_24.pth --eval bbox

PS: 也可以设置好参数后使用pycharm直接运行test.py文件。

训练

python tools/bevformer/train.py configs/bevformer/bevformer_tiny.py

PS: 也可以设置好参数后使用pycharm直接运行train.py文件。

可视化

见tools/bevformer/visual.py

occformer_demo

准备数据集

下载nuScenes V1.0 的full或者mini数据集（包括data、CAN bus expansion data、nuScenes-lidarseg），然后处理数据。

在data下新建一个occformer文件夹，将数据准备成以下形式

occformer
├── can_bus
└── nuscenes
    ├── lidarseg
    ├── maps
    ├── nuscenes_infos_temporal_train.pkl
    ├── nuscenes_infos_temporal_val.pkl
    ├── samples
    ├── sweeps
    └── v1.0-mini

python tools/occformer/create_data.py nuscenes --root-path ./data/occformer/nuscenes --out-dir ./data/occformer/nuscenes --extra-tag nuscenes --version v1.0-mini --canbus ./data/occformer

PS：使用lidarseg中v1.0-mini中的文件代替原本的v1.0-mini中的部分文件。

测试

从releases中下载权重, 然后放在./weights/ 文件夹下。

python tools/occformer/test.py configs/occformer/occformer_nusc/occformer_nusc_r50_256x704.py weights/occformer-resnet50.pth --eval=bbox

PS: 也可以设置好参数后使用pycharm直接运行test.py文件。

训练

bash tools/dist_train.sh $CONFIG 8

PS：多卡训练