复现 Fully Convolutional Geometric Features （FCGF）

基于learning的3D 点云配准的工作中，FCGF是比较有代表性的方案。该项目已经开源，但是复现过程在可能遇到各种环境的问题。本文记录在复现过程中遇到的问题以及解决。

1. 源码以及论文

代码

GitHub - chrischoy/FCGF: Fully Convolutional Geometric Features: Fast and accurate 3D features for registration and correspondence.

论文

https://node1.chrischoy.org/data/publications/fcgf/fcgf.pdf

2. 环境配置

推荐使用CUDA 11.1 （已复现），其他版本需要注意pytroch版本与CUDA版本要匹配。多版本CUDA 管理参考： 多版本CUDA安装与管理-优快云博客 

使用官方tutorial安装torch可能出现版本不匹配的问题，下面给出的是成功实现的版本与指令。

1. 初始化conda环境

# 初始化conda环境
conda create -n py3-fcgf python=3.7
conda activate py3-fcgf

2. 安装pytorch，这里使用的是torch 1.9.1，其他版本选择参考： 安装适合CUDA版本的pytorch-优快云博客 

# 安装pytorch
pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

3. 安装MinkowskiEngine，官方tutorial： GitHub - NVIDIA/MinkowskiEngine: Minkowski Engine is an auto-diff neural network library for high-dimensional sparse tensors

# 导出CUDA路径
export CUDA_HOME=/usr/local/cuda-11.1

# 安装MinkowskiEngine
pip install -U git+https://github.com/NVIDIA/MinkowskiEngine -v --no-deps --install-option="--blas_include_dirs=${CONDA_PREFIX}/include" --install-option="--blas=openblas"

4. 下载源码并安装其他依赖

git clone https://github.com/chrischoy/FCGF.git
cd FCGF
# Do the following inside the conda environment
pip install -r requirements.txt

5. 运行demo，检查是否正常

python demo.py

效果如图所示

完成