PointNet复现

设备及运行环境基本情况：
（1）硬件：ThinkPad P53移动图像工作站，CORE i7 -9850H 32G内存，显卡为NVIDIA Quadro T2000 4G ；
（2）软件：Ubuntu18.04、Python2.7、Tensorflow1.13.1, CUDA 10.0 and cuDNN 7.5.0。

1.准备工作

#To install h5py for Python
sudo apt-get install libhdf5-dev
sudo pip install h5py# or using the way of conda to install
conda activate py35
conda install libhdf5-dev
conda install h5py

2. 训练与测试

PointNet主要应用在三种类型的任务中，包括对象分类（object classification）、部件分割（part segmentation）和场景分割（scene segmentation）。

2.1分类

数据准备：
分类训练数据为ModelNet40，包括40种人造的对象类型，共有12311个CAD模型，训练时需将其转为h5文件，可以直接下载好h5文件modelnet40_ply_hdf5_2048.zip，放在data/modelnet40_ply_hdf5_2048文件夹里。
训练:

#To train a model to classify point clouds sampled from 3D shapes:
python train.py

日志文件和网络参数保存在log文件夹中。
用TensorBoard查看网络构架并检测训练过程。

#We can use TensorBoard to view the network architecture and monitor the training progress.
tensorboard --logdir log

训练结果

测试

python evaluate.py --visu

测试结果

一些分类错误的类型保存在dump文件夹。

2.2部件分割

部件分割是分割中一类问题，即判断点云中每个点输入物体的那个部分，例如桌子分为桌面和桌腿，身体分为四肢和躯体等。

数据准备：

#进入part_seg文件夹
cd /media/marf/新加卷/PointNet/pointnet-master/part_seg
#下载并解压两个数据文件，在pointnet-master/part_seg下，也可以用.sh文件里面的链接直接下载
#训练数据为ShapeNetPart数据集
sh download_data.sh

训练

#执行训练
python train.py

训练结果

测试

#执行测试
python test.py

测试结果

…/part_seg/test_results中展示测试结果，可用软件查看

2.3场景分割

场景分割是给点云中每个点指定一个类别标签（语义信息），即逐点的分类，例如将客厅中沙发和茶几分开。

数据准备

#进入sem_seg文件夹
cd /media/marf/新加卷/PointNet/pointnet-master/sem_seg
#下载并解压h5数据文件，在pointnet-master/sem_seg下，也可以用.sh文件里面的链接直接下载
#训练数据为Stanford3d数据集
sh download_data.sh

训练

#Area_6设为测试区
python train.py --log_dir log6 --test_area 6

训练结果

测试

#制作npy测试数据,将Area_6的txt格式转为npy格式
python collect_indoor3d_data.py
#执行测试，加载训练模型和测试区域进行测试得到分类的点云数据结果
python batch_inference.py --model_path log6/model.ckpt --dump_dir log6/dump --output_filelist log6/output_filelist.txt --room_data_filelist meta/area6_data_label.txt --visu
#精度评估
python eval_iou_accuracy

参考资料：
[1]: https://github.com/charlesq34/pointnet
[2]: https://blog.csdn.net/qq_40234695/article/details/86223577
[3]: Qi C R , Su H , Mo K , et al. PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation[C]// 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2017.

PointNet复现相关推荐

Pointnet++复现流程及问题解决
复现流程 1.通过github下载pointnet++的包; 2.以分类为例,在pointnet2-master目录下新建data文件夹,将modelnet40_ply_hdf5_2048数据集解压到 ...
pointnet++复现
首先修改代码中所有错误,与自己的python和tensorflow适配,导入该导入的包,其中provider和eulerangles和plyfile都在utils文件下或者pointnet-maste ...
Pytorch1.7复现PointNet++点云分割（含Open3D可视化）（文末有一个自己做的书缝识别项目代码）
毕设需要,复现一下PointNet++的对象分类.零件分割和场景分割,找点灵感和思路,做个踩坑记录. 下载代码 https://github.com/yanx27/Pointnet_Pointne ...
点云网络的论文理解（一）-点云网络的提出 PointNet : Deep Learning on Point Sets for 3D Classification and Segmentation
1.摘要 1.1逐句翻译 Point cloud is an important type of geometric data structure. 点云是一种重要的数据结构. Due to its ...
点云网络的论文理解（二）- PointNet的pytorch复现
1.了解PointNet 为了更好的复现这个东西我们需要先了解这个东西,先把原文给出的图片放在这里,之后我们再一点点理解. 1.1点云的特点 1.1.1无序性:也就是说这个点的先后顺序和实际上是什么无 ...
Pytorch：复现PointNet
文章目录一.[点云分类]和[部件分割]: 1.1 复现结果展示 1.2 复现过程 1.3 复现过程中遇到的问题 1.3.1 分类遇到的问题 1.3.2 分类可视化(检验)遇到的问题 1.3.3 部件 ...
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）
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. ...
PointNet系列代码复现详解(1)—PointNet分类部分
想尽快入门点云,因此就从这个经典的点云处理神经网络开始.源码已经有了中文注释,但在一些对于自己不理解的地方添加了一些注释.欢迎大家一起讨论. 代码是来自github:GitHub - yanx27/P ...
Python-Point Cloud 系列（二）——PointNet论文复现
文章目录 Point Net 介绍网络结构旋转变换矩阵源码解析(详细) 源码下载源码目录结构 PointNet.py ModelNetDataLoader.py 复现程序原文数据集下载其他 ...

PointNet复现

PointNet复现

1.准备工作

2. 训练与测试

2.1分类

2.2部件分割

2.3场景分割

PointNet复现相关推荐

最新文章

热门文章