PointNet&PointNet++源码ModelNetDataLoader理解

源码：https://github.com/yanx27/Pointnet_Pointnet2_pytorch

#!/usr/bin/env python
# -*- coding: utf-8 -*-# 导入第三方库
import numpy as np
import warnings
import os
from torch.utils.data import Dataset
warnings.filterwarnings('ignore')# 将数据归一化
def pc_normalize(pc):# 计算pc簇的中心点，新的中心点每一个特征的值，是该簇所有数据在该特征的平均值centroid = np.mean(pc, axis=0)# 3D数据簇减去中心得到到中心的绝对距离pc = pc - centroid# 取到最大距离m = np.max(np.sqrt(np.sum(pc**2, axis=1)))# 将数据归一化pc = pc / mreturn pc# 最远点采样
def farthest_point_sample(point, npoint):"""Input:xyz: pointcloud data, [N, D]npoint: number of samplesReturn:centroids: sampled pointcloud index, [npoint, D]"""N, D = point.shapexyz = point[:, :3]# 先随机初始化一个centroids矩阵，# 后面用于存储npoint个采样点的索引位置centroids = np.zeros((npoint,))# 利用distance矩阵记录某个样本中所有点到某一个点的距离distance = np.ones((N,)) * 1e10  # 初值给个比较大的值，后面会迭代更新# 利用farthest表示当前最远的点，也是随机初始化，范围为0~Nfarthest = np.random.randint(0, N)# 直到采样点达到npoint，否则进行如下迭代for i in range(npoint):# 设当前的采样点centroids为当前的最远点farthest；centroids[i] = farthest# 取出这个中心点centroid的坐标centroid = xyz[farthest, :]# 求出所有点到这个farthest点的欧式距离，存在dist矩阵中dist = np.sum((xyz - centroid) ** 2, -1)# 建立一个mask，如果dist中的元素小于distance矩阵中保存的距离值，# 则更新distance中的对应值，# 即记录某个样本中每个点距离所有已出现的采样点的最小距离mask = dist < distancedistance[mask] = dist[mask]# 最后从distance矩阵取出最远的点为farthest，继续下一轮迭代farthest = np.argmax(distance, -1)point = point[centroids.astype(np.int32)]# 返回结果是npoint个采样点在原始点云中的索引return point# 加载数据集
class ModelNetDataLoader(Dataset):def __init__(self, root,  npoint=1024, split='train', uniform=False, normal_channel=True, cache_size=15000):self.root = root       # 数据集根目录self.npoints = npoint  # 对原始数据集下采样至1024个点self.uniform = uniform  # 是否归一化self.catfile = os.path.join(self.root, 'modelnet40_shape_names.txt')self.cat = [line.rstrip() for line in open(self.catfile)]self.classes = dict(zip(self.cat, range(len(self.cat))))self.normal_channel = normal_channelshape_ids = {}# 将数据集划分为训练集和测试集shape_ids['train'] = [line.rstrip() for line in open(os.path.join(self.root, 'modelnet40_train.txt'))]shape_ids['test'] = [line.rstrip() for line in open(os.path.join(self.root, 'modelnet40_test.txt'))]assert (split == 'train' or split == 'test')shape_names = ['_'.join(x.split('_')[0:-1]) for x in shape_ids[split]]# (shape_name, shape_txt_file_path) 元组列表self.datapath = [(shape_names[i], os.path.join(self.root, shape_names[i], shape_ids[split][i]) + '.txt') for iin range(len(shape_ids[split]))]print('The size of %s data is %d' % (split, len(self.datapath)))# 在内存中缓存数据点的大小self.cache_size = cache_size  # 核函数cache缓存大小，默认设置为15000self.cache = {}  # 从索引到(point_set, cls) 元组def __len__(self):return len(self.datapath)def _get_item(self, index):if index in self.cache:point_set, cls = self.cache[index]else:fn = self.datapath[index]cls = self.classes[self.datapath[index][0]]cls = np.array([cls]).astype(np.int32)point_set = np.loadtxt(fn[1], delimiter=',').astype(np.float32)if self.uniform:point_set = farthest_point_sample(point_set, self.npoints)else:point_set = point_set[0:self.npoints,:]point_set[:, 0:3] = pc_normalize(point_set[:, 0:3])if not self.normal_channel:point_set = point_set[:, 0:3]if len(self.cache) < self.cache_size:self.cache[index] = (point_set, cls)return point_set, cls  # 返回点云集及其分类def __getitem__(self, index):return self._get_item(index)if __name__ == '__main__':  # 测试模型导入是否无误# 导入第三方库import torch# 导入数据data = ModelNetDataLoader('/data/modelnet40_normal_resampled/', split='train', uniform=False, normal_channel=True,)DataLoader = torch.utils.data.DataLoader(data, batch_size=12, shuffle=True)for point, label in DataLoader:print(point.shape)print(label.shape)

PointNetPointNet++源码ModelNetDataLoader理解相关推荐

android 点击事件消费,Android View事件分发和消费源码简单理解
Android View事件分发和消费源码简单理解前言: 开发过程中觉得View事件这块是特别烧脑的,看了好久,才自认为看明白.中间上网查了下singwhatiwanna粉丝的读书笔记,有种茅塞顿开 ...
结合源码深入理解Android Crash处理流程
应用程序crash在开发过程中还是很常见的,本文主要是从源码的角度去跟踪下Android对于crash的处理流程.App crash的全称:Application crash.而Crash又分为:na ...
Android学习之Activity源码的理解(一)
一.Activity为Android系统中四大组件之一,是Android程序的呈现层,并通过界面与用户进行交互,因此理解Activity源码是有必要的. 二.之前我写过一篇文章:http://blog ...
LruCache源码的理解
LruCache源码的理解使用场景在Android手机上加载图片,一般会用到三级缓存策略内存的缓存策略,一般会用到LruCache来解决内存用于缓存遇到的问题 1. 手机给每个应用分配的内存空 ...
从源码角度理解LinearLayout#onMeasure对child的measure调用次数
熟悉绘制流程的都知道,ViewGroup可以决定child的绘制时机以及调用次数. 今天我们就从LinearLayout开始学起,看一下它对子View的onMeasure调用次数具体是多少. 简单起见 ...
从源码角度理解FrameLayout#onMeasure对child的measure调用次数
熟悉绘制流程的都知道,ViewGroup可以决定child的绘制时机以及调用次数. 今天我们就从最简单的FrameLayout开始学起,看一下它对子View的onMeasure调用次数具体是多少. 简 ...
从源码角度理解ConstraintLayout#onMeasure对child的measure调用次数
熟悉绘制流程的都知道,ViewGroup可以决定child的绘制时机以及调用次数. 今天我们简单看下较为复杂的ConstraintLayout,看一下它对子View的onMeasure调用次数具体是多 ...
PX4姿态解算源码原理理解
PX4源码原理理解一．主要参考资料链接:1.1 取PX4源码一小部分姿态解算来进行讲解姿态解算源码中文注释:https://blog.csdn.net/zouxu634866/article/deta ...
spring的事务隔离_再深一点：面试工作两不误，源码级理解Spring事务
原创:小姐姐味道(微信公众号ID:xjjdog),欢迎分享,转载请保留出处. Spring有5种隔离级别,7种传播行为.这是面试常问的内容,也是代码中经常碰到的知识点.这些知识枯燥而且乏味,其中有些非 ...

PointNetPointNet++源码ModelNetDataLoader理解

PointNet&PointNet++源码ModelNetDataLoader理解

源码：https://github.com/yanx27/Pointnet_Pointnet2_pytorch

PointNetPointNet++源码ModelNetDataLoader理解相关推荐

最新文章

热门文章