PointPillars 工程复现

已于 2023-03-07 18:31:48 修改
阅读量8.8k 收藏 131
点赞数 32
分类专栏： 工程复现 文章标签： 深度学习 人工智能 计算机视觉 目标检测 c++
于 2022-07-29 11:10:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_36354875/article/details/126051498
版权

PointPillars 工程复现

先赞后看，养成好习惯。有帮助的话，点波关注！我会坚持更新，感谢谢您的支持！

需求： 学习并复现PointPillars，解决部署时遇到的各类问题，原始参考工程为PointPillars_MultiHead_40FPS，注释版以及添加ROS节点版本在PointPillars_MultiHead_40FPS_ROS，供大家参考学习，欢迎留言！

参考工程：
1. PointPillars_MultiHead_40FPS
2. OpenPCDet
3. onnx2trt

了解本专栏 订阅专栏 解锁全文 超级会员免费看
3D目标检测入门：PointPillars算法原理与实现
AI天才研究院
04-14 1925
3D目标检测是自动驾驶、机器人导航和增强现实等领域的核心技术。与2D目标检测相比，3D检测能够提供物体的空间位置、尺寸和朝向等更丰富的信息。本文旨在深入浅出地介绍PointPillars这一高效的3D目标检测算法，帮助读者理解其原理并掌握实现方法。本文首先介绍3D目标检测的背景和PointPillars的概况，然后深入解析算法原理和架构。接着通过数学建模和代码实现展示具体细节，最后讨论应用场景和未来发展方向。点云(Point Cloud)：一组三维空间中的点，通常由激光雷达(LiDAR)采集。
【论文复现】PointPainting: Sequential Fusion for 3D Object Detection论文学习及复现
qq_38391210的博客
09-12 5519
论文学习 （1）摘要 camera和lidar都是自动驾驶领域很重要的传感器。但是，通过在几个主要的benchmark数据集上做实验发现，基于lidar的方法要优于基于lidar和camera融合的方法。在这篇论文中，作者提出了pointpainting，这是一个序列化的融合方法，可以用来解决这个问题。pointpainting通过将lidar的point投射到基于图片的语义分割网络中，并且将每一个类别的分数添加到每一个点上。实验结果表明，在三个不同的点云目标检测方法 Point-RCNN, VoxelN
Ubuntu20.04 PointPillars 复现过程踩坑实录
lb5482464的博客
08-17 2922
Ubuntu20.04 PointPillars 复现过程
Pointpillars模型转onnx
qq_35210952的博客
12-10 456
分析原因，openpcd把模型的各个模块拆解然后单独封装，靠外部yaml模板控制和管理，这样用着比较方便。但是下面onnx的转换要求好像是加载一个完整的类，所以需要根据各个模块单独拆解！以下是我拆解的结果：可以看出，我加载的openpcdet 训练后的模型 里面拆出4个子模块。也就是我得拆出4个onnx，我感觉这样太麻烦了！openpcd这个技术路线好像不太行啊！这些文章中把model拆解成多个模块，然后单独加载参数和输入，最后输出多个onnx。
second.pytorch:用于KITTI对象检测的PointPillars
05-11
点柱 欢迎来到PointPillars。 此存储库演示了如何通过对现有开放源代码库进行最小的要求更改，来在上重现（将在CVPR 2019上发布）的。 这不是官方的nuTonomy代码库，但可以用于匹配已发布的PointPillars结果。 警告：此代码未得到积极维护。 此代码可用于在论文的第一个版本重现结果。 对于还可以在nuScenes上重现PointPillars结果的主动维护的存储库，我们建议使用 。 我们不是存储库的所有者，但是我们与作者合作并认可了他的代码。 入门 这是的一个分支，此处复制了原始README的相关子集。 代码支持 仅支持python 3.6 +，pytorch 0.4.1+。 代码仅在Ubuntu 16.04 / 18.04上进行了测试。 安装 1.克隆代码 git clone https://github.com/nutonomy/second.pytor
pointpillars 复现
weixin_42783619的博客
04-19 2867
pointpillars 参考：https://www.dazhuanlan.com/2019/12/26/5e043fad59593/ 第3.3步生成pkl修改 按照官网文档改 python create_data.py create_kitti_info_file --data_path=KITTI_DATASET_ROOT 第4步，替换路径 2021-4-19，替换/root/data/kitti cd second.pytorch/second/configs sed -i "s:/root/da
基于Openpcdet的pointpillars_ros复现
weixin_44589524的博客
07-19 2260
将Openpcdet工程中的OpenPCDet/tools中的全部文件以及/OpenPCDet/pcdet（尤其注意不要遗漏pcdet文件），复制粘贴放入到src/pointpillars/tools文件夹下，最终tools中的文件如图所示。根据错误提示应该是kitti_models/pointpillars.yaml中的kitti_dataset.yaml路径错误，于是将其修改为绝对路径，如图。安装Openpcdet，执行以下指令即可，但是需要科学上网，不然太慢了。验证是否安装成功，无报错即可。
复现pointpillars，anaconda
sinounuo的博客
05-09 707
解决方法一：将conda-forge添加到搜索路径上首先，当出现这种报错时，应该首先尝试使用以下命令将conda-forge channel添加到你的channel列表中：conda config --append channels conda-forge它告诉conda在搜索软件包时也要在conda-forge channel上查看。在此期间我遇到下不下来最后一个包google-sparsehash，参考以下内容，在conda的官网上找到自己包的下载指令，如果依旧下载不下来，就直接本地下载。
Pointpillars复现及ROS1部署（二）
最新发布
duan090918的博客
03-12 1238
本文分享pointpillar模型在ros上部署的教程，仅供大家学习交流
openpcdet复现pointpillars
08-03
4. 将OpenPCDet工程中的OpenPCDet/tools目录下的全部文件以及/OpenPCDet/pcdet目录下的文件复制到~/pointpillars_ros/src/pointpillars_ros/tools目录下。确保将所有文件都复制过去，尤其要注意不要遗漏pcdet文件夹...
基于openpcdet的Pointpillars之ROS可视化
weixin_58207716的博客
03-13 4981
pointpillars的ros可视化
Point-Pillar
03-29
PyTorch中PointPillars架构的简洁实现
pointpillars,pointpillars,pointpillars
04-25
pointpillars
EasyPointPillars训练复现以及相关问题
常先生
11-19 3503
pointpillars快速训练以及问题总结
Pointpillar算法复现结果分析
qq_52889317的博客
10-09 1690
由于原论文中作者只给出了基于测试集的数据结果分析（结果如下），在自己花了一天的时间训练之后与官网中作者给出的验证集结果进行对比。
基于nuScenes数据集的pointpillars代码复现（second.pytorch）
weixin_38423729的博客
12-17 1833
nuScenes数据集加速下载请参阅如下博客： https://blog.youkuaiyun.com/weixin_38423729/article/details/111059557 second.pytorch代码地址如下： https://github.com/traveller59/second.pytorch 未完待续。。。
复现PointPillar目标检测网络里的PointPillarScatter
我欲乘风归去
01-09 2429
背景知识 PointPillar 3D点云目标检测模型，提出时间比较久了，模型不做过多介绍，给个参考链接，可自行了解。PointPillar：利用伪图像高效实现3D目标检测-技术圈 在网络模型里，使用pointnet提取点的特征后，会将pillars（C P）映射成pseudo images（C H W），这里介绍使用pytorch的tensor.scatter函数实现此操作。 模型输入有两个，一个是point（D P N），一个是point对应的indices（P 2）。point经过pointne
pointpillars开源代码复现中 遇到的问题
qimingxia的博客
11-16 5269
pointpillar代码的开源地址：https://github.com/nutonomy/second 第一步：从github上拷贝代码 git clone https://github.com/nutonomy/second.pytorch.git 第二步：首先安装Anaconda创建虚拟环境，我的电脑Ubuntuan16.04安装的是anaconda3,cuda10的版本。和readme...
PointPainting 复现
weixin_58207716的博客
11-19 3792
三维目标检测
PointPillars
07-26
PointPillars 是一款用于自动驾驶领域的目标检测框架，它由 Facebook AI 研究团队于 2018 年提出。PointPillars 的核心思想是对激光雷达点云数据进行处理并生成目标检测结果。 ### 算法概述 PointPillars 对输入的数据进行以下步骤： 1. **特征提取**：首先对激光雷达获取的原始点云数据进行预处理，去除噪声等无效信息，并将数据投影到平行于地平线的方向上，形成一系列垂直柱状结构（即“Pillars”）。每个 Pillar 包含了一系列垂直方向上的点，这些点在水平方向上形成了一个二维网格。 2. **特征图生成**：通过卷积操作从每个 Pillar 中提取特征，然后聚合所有 Pillar 的特征，形成一张完整的特征图。这种设计避免了传统的空间金字塔池化（Space Pyramid Pooling）的复杂性和内存消耗，提高了计算效率。 3. **目标预测**：利用生成的特征图进行目标分类和回归预测。对于每个预测框，算法能够确定物体的存在概率、类别以及位置信息。 PointPillars 的优势在于其高效的空间表示方式和准确的目标检测性能，特别适合大规模点云数据集的处理，如 KITTI 数据集，能够在保持高精度的同时减少计算资源的需求。 ### 应用场景 PointPillars 主要应用于自动驾驶系统中的环境感知部分，帮助车辆识别周围的道路使用者和其他障碍物。这一技术不仅可以提高自动驾驶系统的安全性，还能增强驾驶辅助功能，比如自动紧急刹车、车道偏离预警等。 ###
评论 23
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

Darchan

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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