从零开始mmdetection3d环境搭建

1. 配置CUDA环境
   1. 1 安装cuda toolkit

进入https://developer.nvidia.com/cuda-toolkit-archive 中选择对应的工具包版本，根据下面的安装命令逐一输入，即可完成安装。

使用

nvcc -V

查看cuda版本，当前cuda版本为11.7

 

 

1. 2 安装cuDnn

从官网下载cudnn压缩包，将解压出来的lib64和include中所有的内容都拷贝到/usr/local/cuda的lib64和include中

查看cudnn版本，这里显示cudnn版本为8.5.0

cat /usr/local/cuda-11.7/include/cudnn_version.h | grep CUDNN

 

 

2. 配置pytorch环境

2.1 先创建一个名为mmdetection3d的虚拟环境，用来配置mmdetection3d，python版本为3.8

conda create -n mmdetection3d python=3.8

2.2 安装完成后，激活该虚拟环境

conda activate mmdetection3d

2.3 安装pytorch

进入pytorch官网选择合适的pytorch版本

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

至此，pytorch环境安装完成

3. 搭建mmdetection3d环境

3.1 通过pip安装openmim，mim是OpenMMLab的包管理工具。

pip3 install openmim

 

3.2 通过mim 安装mmcv-full，

mim install mmcv-full

3.3 接下来通过mim安装mmdet

3.4 通过mim安装mmsegmentation

3.5 通过git拉取mmdetection3d库

3.6进入mmdetection3d文件夹安装库依赖

 

4. 验证

下载预训练模型，下载地址为https://download.openmmlab.com/mmdetection3d/v0.1.0_models/second/hv_second_secfpn_6x8_80e_kitti-3d-car/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth

新建checkpoints目录，将下载下来的模型文件放入该目录。

4.1运行测试脚本进行验证

运行完成之后，demo文件夹下会产生一个kitti_000008文件夹，包含kitti_000008_points.obj和  kitti_000008_pred.obj两个obj文件。前者是点云文件，后者是检测的三维结果。这两个文件可以直接拖入到CloudCompare软件中进行显示。

 

CloudCompare软件

cloudcompare是一个点云可视化的软件，并且可以完成一些基础的点云操作。软件界面如图所示:

验证结果显示如下图所示：

点云文件

 

预测文件