qq_35632833的博客

文章目录一. Anaconda 安装二. Detectron2 环境配置1. requirements2. 物体检测平台3.三. 物体检测平台 Detectron2 使用、1. 数据集下载一. Anaconda 安装安装教程：Anaconda介绍、安装及使用教程一些指令：查看所有环境conda env list复制某个环境，复制 test 这个环境conda create --name copy --clone test删除某个环境conda remove --nam

文章目录一. 代码二. 结果1. anchor 中心2. anchor三. 理解OpenPCDet 中 anchor 的生成是在 anchor_generator.py 这个文件中，仔细看一下，这部分是完全独立的，因此我们可以测试一下这部分，看一下生成的 anchor 到底 ‘长’ 什么样子，以及返回值是什么，方便加深理解。不多说，先上代码，自己稍微改了一点，加了一些画图的代码一. 代码import torchfrom easydict import EasyDictimport pdbim

一. Auxiliary Network1. 生成 point_cls 和 point_reg 的 label在 Auxiliary Network 中， 需要分割出 前景点 和 背景点，首先需要生成前景点和背景点的 labeldef pts_in_boxes3d(pts, boxes3d): N = len(pts) M = len(boxes3d) pts_in_flag = torch.IntTensor(M, N).fill_(0) reg_target =

文章目录1. 代码2. 结果1. 代码import numpy as npimport mayavi.mlabimport pickleimport timedef plot3Dbox(corners): for i in range(corners.shape[0]): corner = corners[i] idx = np.array([0, 1, 2, 3, 0, 4, 5, 6, 7, 4, 5, 1, 2, 6, 7, 3])

文章目录1. 使用mayavi原因2. 代码3. 结果1. 使用mayavi原因由于torch和open3d冲突，使用torch的时候open3d就使用不了，但是我还是想看一下可视化的点云数据，于是就用mayavi进行可视化。如果有知道怎么解决open3d和torch冲突的朋友，也请留言～2. 代码import numpy as npimport mayavi.mlab#mayavi显示点云def read_pointcloud_from_bin_file(bin_path): po

1(pc) seivl@seivl-Default-string:~/SA-SSD/mmdet/ops/points_op$ python3 setup.py build_ext --inplacerunning build_extbuilding 'points_op_cpu' extensionTraceback (most recent call last): File "setup.py", line 34, in <module> 'build_ext': Bui

文章目录1 代码注释1 数据预处理部分2 程序中写的很好的部分1 巧妙使用dict保存信息3 知识点记录1 读取bin文件2 读取img3 读取txt文件4 txt分割1 代码注释1 数据预处理部分这部分主要是在 kitti_dataset.py 这个文件夹中import osimport syssys.path.append("/home/seivl/PCDet/pcdet")import pickleimport copyimport numpy as npfrom skimage

文章目录1 代码2 结果有时候需要判断某些点是否在点云的凸包内，例如3d object detection 中找到了bbox，判断场景中的点云哪些在这个bbox中，这里以2d点为例：1 代码import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.collections import PolyCollection, LineCollectionfrom scipy.spatial import Delaunaylidar

网址：Github:PointPillars注意事项：https://zhuanlan.zhihu.com/p/73853535pip install shapely -i https://pypi.tuna.tsinghua.edu.cn/simplepip install llvmlite==0.26.0 -i https://pypi.tuna.tsinghua.edu.cn/simpleexport PYTHONPATH=/home/seivl/second.pytorchimpo

文章目录1 代码2 结果1 代码#!/usr/bin/env python#!coding=utf-8import numpy as npimport pickleimport open3dimport timef2 = open('/home/seivl/kitti_test_open3d/5411.pkl','rb')data2 = pickle.load(f2)def rotz(t): """Rotation about the z-axis.""" c = n

文章目录1 代码2 结果1 代码import numpy as npimport pickleimport open3df2 = open('/home/seivl/data/val_results_2.pkl','rb')data2 = pickle.load(f2)print(len(data2["points"][0]))print(type(data2["points"][0]))print(data2["points"][0].shape)print(data2["poin

文章目录1 实现代码2 可视化效果1 实现代码import numpy as npimport open3dimport timefile_path = "～/233.txt"def read_txt(file_path): file = open(file_path) data = [] for line in file.readlines(): curLine = line.strip().split(" ") data.appen

1 先前准备安装cuda、cudnn，参考这个深度学习装机详细教程-ubuntu16.04下安装cuda9.0+nvidia-384+cudnn7.1.4+tensorflow1.9检测cudnn是否安装成功安装AnacondaAnaconda下载地址安装Anaconda2 复现yolov3\quad\quad使用的是pytorch版本的yolov3，代码仓库在这里：yol...

github用这个复现githubhttps://github.com/yanx27/Pointnet_Pointnet2_pytorchtorch1.00 下载地址https://pytorch.org/get-started/previous-versions/虚拟环境conda install pytorch1.0.0 torchvision0.2.1 cuda90 -c pyt...

地址下载地址

1.原理最远点采样2.Python实现import randomimport mathimport matplotlib.pyplot as pltM = 50 # 所有的点数量N = 10 # fps采样点数量x = []y = []xy = []# 生成数据random.seed(0)for _ in range(M): px = round(random...

深度学习： - CNN 吴恩达deeplearning之CNN—卷积神经网络入门 - 池化层的反向传播 池化层（pooling）的反向传播是怎么实现的 - AlexNet 深入理解AlexNet网络LRN (Local Response Normalization，即局部响应归一化层)  ...

R-CNNSelective Search