超点图superpoint_graph跑Semantic3D数据集

工程路径:/media/ubuntu/EXTERNAL_USB/project_superpoint_graph/Semantic3D

数据我是放在我的硬盘里面的,记住这个路径,后面需要用到很多次

一、数据准备工作:

创建目录

然后去semantic3d官网下载数据

我是挑着下载的,没有全部下载

如果train数据集不全部下载的话,后面需要改一下代码

得注意train数据集里面不能有二级文件夹,都解压到train文件夹中;sem8_tables_training文件夹中的标签数据需要和下载的txt文件一一对应,多的删掉就行

二、数据处理

(1)分区处理

python partition/partition.py --dataset sema3d --ROOT_PATH /media/ubuntu/EXTERNAL_USB/project_superpoint_graph/Semantic3D --voxel_width 0.05 --reg_strength 0.8 --ver_batch 5000000

(2)重组为超点

python learning/sema3d_dataset.py --SEMA3D_PATH /media/ubuntu/EXTERNAL_USB/project_superpoint_graph/Semantic3D

此时出现维度问题报错,因为labels标签文件里面是一维的,但代码是二维的,改一下,增加它的健壮性

# 替换原有代码(约106行)
if len(labels.shape) == 1:
    # 处理一维标签(直接使用)
    hard_labels = labels.astype(np.int64)
elif labels.shape[1] > 1:
    # 处理二维one-hot编码标签
    hard_labels = np.argmax(labels[:,1:], axis=1)
else:
    # 处理其他情况
    hard_labels = labels.flatten().astype(np.int64)

三、训练完整模型

CUDA_VISIBLE_DEVICES=0 python learning/main.py --dataset sema3d --SEMA3D_PATH /media/ubuntu/EXTERNAL_USB/project_superpoint_graph/Semantic3D --db_test_name testred --db_train_name trainval \
--epochs 500 --lr_steps '[350, 400, 450]' --test_nth_epoch 100 --model_config 'gru_10,f_8' --ptn_nfeat_stn 11 \
--nworkers 2 --pc_attrib xyzrgbelpsv --odir "results/sema3d/trainval_best"

显示找不到文件,因为我们没有下载完整的训练集,但是代码里面使用了完整的,下面修改代码

train_name是训练的,vaild_name是测试的

结果如上面所示

然后根据md文件要下载预训练模型

但是这个网站404 not found,所以我没下载

四、模型测试

我没进行

五、结果可视化

(1)生成预测标签文件

python partition/write_Semantic3d.py --SEMA3D_PATH /media/ubuntu/EXTERNAL_USB/project_superpoint_graph/Semantic3D --odir "results/sema3d/trainval_best" --db_test_name testred

(2)可视化结果

要改成绝对路径,因为数据和原工程文件夹不在一起

python partition/visualize.py --dataset sema3d --ROOT_PATH /media/ubuntu/EXTERNAL_USB/project_superpoint_graph/Semantic3D --res_file '/home/ubuntu/project/superpoint_graph/results/sema3d/trainval_best/predictions_testred' --file_path 'test_reduced/birdfountain_station1' --output_type ifprs

需要的文件在

根据上面的文件名改绝对路径

生成的结果如下

但是使用cloudcompare软件打不开

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值