DeepGlobalRegistration项目安装与配置指南

DeepGlobalRegistration项目安装与配置指南

DeepGlobalRegistration [CVPR 2020 Oral] A differentiable framework for 3D registration 项目地址: https://gitcode.com/gh_mirrors/de/DeepGlobalRegistration

1. 项目基础介绍

DeepGlobalRegistration（DGR）是一个用于三维点云配准的开源项目。它通过一个可微分的框架实现了对真实世界三维扫描数据的配准。项目主要包括三个模块：一个6维卷积网络用于预测对应点的置信度，一个可微分的加权Procrustes算法用于闭合形式的位姿估计，以及一个健壮的基于梯度的SE(3)优化器用于位姿精炼。主要编程语言是Python。

2. 关键技术和框架

• MinkowskiEngine: 用于处理稀疏3D数据的神经网络框架。
• PyTorch: 深度学习框架，用于构建和训练神经网络。
• CUDA: 用于加速计算的可编程并行计算平台和编程模型。
• 卷积神经网络: 用于特征学习和点云配准。

3. 安装和配置准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Ubuntu 14.04或更高版本。
• CUDA：版本10.1.243或更高。
• PyTorch：版本1.5或更高。
• Python：版本3.6或更高。
• GCC：版本7。

确保您的系统中已安装Python和pip，以及上述其他依赖项。

4. 安装步骤

以下步骤将引导您完成DeepGlobalRegistration项目的安装：

## 步骤 1: 安装MinkowskiEngine

首先，安装MinkowskiEngine所需的依赖项：

```bash
sudo apt install libopenblas-dev g++-7
pip install torch

然后，安装MinkowskiEngine：

export CXX=g++-7
pip install -U MinkowskiEngine --install-option="--blas=openblas" -v

步骤 2: 克隆项目仓库

从GitHub上克隆DeepGlobalRegistration项目：

git clone https://github.com/chrischoy/DeepGlobalRegistration.git
cd DeepGlobalRegistration

步骤 3: 安装Python依赖

使用pip安装项目所需的Python依赖项：

pip install -r requirements.txt

步骤 4: 预训练模型和数据集

在开始训练之前，您需要下载预训练的FCGF模型和数据集。请按照项目README中的指示操作，下载相应的模型和数据集。

步骤 5: 运行示例

项目提供了一个示例脚本，您可以运行它来查看项目的演示：

python demo.py

步骤 6: 开始训练和测试

根据项目README中的说明，使用预训练的模型和数据集开始训练和测试您的模型。

按照上述步骤，您可以成功安装和配置DeepGlobalRegistration项目，并开始进行三维点云配准的相关研究或应用开发。

DeepGlobalRegistration [CVPR 2020 Oral] A differentiable framework for 3D registration 项目地址: https://gitcode.com/gh_mirrors/de/DeepGlobalRegistration