BeMapNet 项目使用教程

BeMapNet 项目使用教程

BeMapNet 项目地址: https://gitcode.com/gh_mirrors/be/BeMapNet

1. 项目介绍

BeMapNet 是一个基于统一片段贝塞尔曲线的高清地图（HD-Map）构建的开源项目。该项目专注于自动驾驶领域中对厘米级环境信息的感知。BeMapNet 采用了一种简洁而优雅的参数化方法，旨在实现从图像到矢量地图的端到端构建。

2. 项目快速启动

环境准备

• Python >= 3.8
• CUDA 11.1
• 推荐使用 Conda 虚拟环境

conda create -n bemapnet python=3.8 -y
conda activate bemapnet

安装依赖

• 安装 PyTorch 和 torchvision

pip3 install torch==1.10.1+cu111 torchvision==0.11.2+cu111 -f https://download.pytorch.org/whl/torch_stable.html

• 安装 MMCV

pip3 install -U openmim
mim install mmcv==1.7.1

• 安装 Detectron2

python3 -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu111/torch1.10/index.html

• 克隆 BeMapNet 仓库并安装

git clone git@git-core.megvii-inc.com:qiaolimeng/bemapnet.git -b bemapnet-release
cd bemapnet
pip3 install -r requirement.txt

数据准备

• 下载并解压 NuScenes 数据集，然后链接到项目路径下

cd /path/to/bemapnet
mkdir data
ln -s /any/path/to/your/nuscenes data/nuscenes

• 生成 Bezier 标注

cd /path/to/bemapnet
python3 tools/bezier_converter/nuscenes/convert.py -d ./data -n bemapnet

模型训练与评估

• 模型训练

bash run.sh train bemapnet_nuscenes_swint 30

• 模型评估

bash run.sh test bemapnet_nuscenes_swint ${checkpoint-path}

• 一键重现

bash run.sh reproduce bemapnet_nuscenes_swint

3. 应用案例和最佳实践

应用案例

• 利用 BeMapNet 构建高清地图，为自动驾驶系统提供精确的环境感知信息。

最佳实践

• 在实际应用中，根据具体场景调整模型配置和训练参数以优化性能。

4. 典型生态项目

• BeMapNet 可以与多种自动驾驶和计算机视觉项目集成，形成更完整的解决方案。例如，结合车辆检测、行人检测等模块，实现更全面的自动驾驶感知系统。

BeMapNet 项目地址: https://gitcode.com/gh_mirrors/be/BeMapNet