基于PCDet+KITTI：训练测试PointRCNN

最新推荐文章于 2025-04-06 21:51:28 发布
最新推荐文章于 2025-04-06 21:51:28 发布
阅读量269 收藏 1
点赞数 9
分类专栏： 三维数据处理 文章标签： 3d 目标检测 三维深度学习
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/zfjBIT/article/details/145159245
版权

报错解决

  1. 问题：No module named ‘spconv’

参考https://github.com/traveller59/spconv， 安装spconv：

pip install spconv-cu116
  1. 问题：OpenPCDet训练KITTI报错: KeyError: ‘road_plane’
  • OpenPCDet/tools/cfgs/dataset_configs/kitti_dataset.yaml 中以下设置修改为False；

  1. 告警：/bin/sh: 1: gpustat: not found

                

                
                
        

    

  


        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
                
                    
                    超级会员免费看
                
            

            
            
            
        


    


                



	

		

			

				
					
PointRCNN的loss计算与推理实现

				
			

			

				

					NNNNNathan的博客
				

				

					03-05
					
					4408
					
				

			

		

		

			
				
在我前面的文章中，已经完成了PointRCNN的网络构建，链接在这：

PointRCNN论文和逐代码详解_NNNNNathan的博客-优快云博客1、前言当前点云检测的常见方式分别有1、将点云划分成voxel来进行检测，典型的模型有VoxelNet、SECOND等；作然而本文的作者史博士提出这种方法会出现量化造成的信息损失。2、将点云投影到前视角或者鸟瞰图来来进行检测，包括MV3D、PIXOR、AVOD等检测模型；同时这类模型也会出现量化损失。3、将点云直接生成伪图片，然后使用2D的方式来进行处理，这主要

			
		

	



                

            
              



	

		

			

				
					
PointRCNN论文和逐代码详解

				
			

			

				

					NNNNNathan的博客
				

				

					03-03
					
					1万+
					
				

			

		

		

			
				
1、前言

当前点云检测的常见方式分别有

1、将点云划分成voxel来进行检测，典型的模型有VoxelNet、SECOND等；作然而本文的作者史博士提出这种方法会出现量化造成的信息损失。

2、将点云投影到前视角或者鸟瞰图来来进行检测，包括MV3D、PIXOR、AVOD等检测模型；同时这类模型也会出现量化损失。

3、将点云直接生成伪图片，然后使用2D的方式来进行处理，这主要是PointPillar。

本文PointRCNN提出的方法，是一篇比较新颖的点云检测方法，与此前的检测模型不同，它直接根据点云分

			
		

	



              


  
              

                


	

		

			

				
					
kitti数据集_PVRCNN: 3D目标检测Waymo挑战赛+KITTI榜单模态第一算法(CVPR2020)

				
			

			

				

					weixin_39568889的博客
				

				

					11-27
					
					433
					
				

			

		

		

			
				
加入极市专业CV交流群，与10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流！同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。关注极市平台公众号，回复加群，立刻申请入群~作者｜Shaoshuai Shi，https://zhuanlan.zhihu.com/p/148942116本文已获作者授权，未经许可，不得二...

			
		

	





	

		

			

				
					
CVPR2020 | PV-RCNN: 3D目标检测 Waymo挑战赛+KITTI榜 单模态第一算法

				
			

			

				

					3D视觉工坊
				

				

					02-17
					
					941
					
				

			

		

		

			
				
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨Shaoshuai Shi@知乎来源丨https://zhuanlan.zhihu.com/p/148942116编辑丨3D视觉...

			
		

	



		

			
		



	

		

			

				
					
PCDet: 3D Point Cloud Detection

				
			

			

				

					不平凡之路
				

				

					06-19
					
					3587
					
				

			

		

		

			
				
PCDet: 3D Point Cloud DetectionIntroductionCurrently Supported FeaturesModel ZooInstallationRequirementsInstall pcdetDataset PreparationKITTI DatasetGetting StartedTest and evaluate the pretrained modelsTrain a modelAcknowledgementCitationContact
Introduct

			
		

	





	

		

			

				
					
OpenPCDet安装、使用方式及自定义数据集训练

				
			

			

				

					ZhuanShangNiDeXin的博客
				

				

					06-09
					
					1万+
					
				

			

		

		

			
				
OpenPCDet训练三维目标检测方法

			
		

	





	

		

			

				
					
PCDet: Open-MMLab 面向LiDAR点云表征的3D目标检测代码库

				
			

			

				

					W1995S的博客
				

				

					03-11
					
					1483
					
				

			

		

		

			
				
前言
随着自动驾驶与机器人技术的不断发展，基于点云表征的3D目标检测领域在近年来取得了不断的发展。然而，层出不穷的点云数据集（KITTI、NuScene、Lyft、Waymo、PandaSet等）在数据格式与3D坐标系上往往定义各不相同，各式各样的点云感知算法（point-based、 voxel-based、one-stage/two-stage等）也形态各异，使得相关研究者难以在一个统一的框架内进行各种组合实验。
为此，我们开源了一套基于PyTorch实现的点云3D目标检测代码库 - OpenPCDet

			
		

	





	

		

			

				
					
OpenPCDet 训练自己的数据集详细教程！

				
			

			

				

					JulyLi2019的博客
				

				

					10-24
					
					2万+
					
				

			

		

		

			
				
这些天一直在尝试通过OpenPCDet平台训练自己的数据集（非kitti格式），好在最后终于跑通了，特此记录一下训练过程。树和猫，对于自定义数据集的训练我们交流了很多，之前他是通过我写的yolov5系列文章关注的我，现在我通过OpenPCDet 训练自己的数据集系列关注了他，着实让我感觉到了技术分享是一个圈。如果阅读本文对你有用，欢迎一键三连呀！！！2022年10月24日11:12:53。

			
		

	





	

		

			

				
					
KITTI数据集下载及解析

					
热门推荐

				
			

			

				

					u013086672的博客
				

				

					01-09
					
					5万+
					
				

			

		

		

			
				
KITTI数据集下载及解析




版本
更新时间
更新内容
作者




1
V 1.0
xxx
完成主体内容
W. Xiao


2







文章目录KITTI Dataset1 简介1.1 数据采集平台1.2 坐标系2 数据解析2.1 image文件2.2 velodyne文件2.3 calib文件2.4 label文件3 KITTI可视...

			
		

	





	

		

			

				
					
train_planes.zip

				
			

			

				

					06-16
				

			

		

		

			
				
《基于pointrcnn与pcdet的3D目标检测：Kitti数据集与road plane分析》  在3D目标检测领域，pointrcnn和pcdet是两种备受关注的算法，它们在处理LiDAR点云数据时展现出了优秀的性能。本文将围绕这两个算法及其在"train...

			
		

	





	

		

			

				
					
使用OpenSceneGraph生成3D数据格式文件

				
			

			

				

					深之JohnChen的专栏
				

				

					04-06
					
					303
					
				

			

		

		

			
				
OpenSceneGraph (OSG) 提供了多种方式来生成和导出3D数据格式文件。

			
		

	





	

		

			

				
					
3D Gaussian Splatting as MCMC 与gsplat中的应用实现

					
最新发布

				
			

			

				

					scott198512的博客
				

				

					04-06
					
					554
					
				

			

		

		

			
				
介绍MCMC引入到3DGS中的算法原理及在gsplat中的应用实现

			
		

	





	

		

			

				
					
Dart语言的3D可视化

				
			

			

				

					2501_91402559的博客
				

				

					04-02
					
					291
					
				

			

		

		

			
				
Dart是一种由Google开发的通用编程语言，主要用于构建Web、移动和服务器应用程序。面向对象：Dart是一种面向对象的语言，支持类和对象的概念，使得代码结构清晰，易于维护。异步支持：Dart内置对异步编程的支持，使用async和await关键字，可以轻松处理异步操作，提高代码的可读性和执行效率。跨平台能力：Dart可以生成高性能的Web应用、移动应用和桌面应用，尤其是在与Flutter搭配使用时，具有极强的跨平台开发能力。

			
		

	





	

		

			

				
					
金庸群侠传3D-启动

				
			

			

				

					大话程序员
				

				

					04-06
					
					612
					
				

			

		

		

			
				
2021之后就崩溃，本来这个项目只在2020测试，under Unity2021，所以这段代码一直存在完美运行，所以这段代码可有可无，直接跳过，或者我直接返回error 都可以。：古墓派虽隐居终南山，但通过「玉蜂」监视周边动向，墓内机关密布，闯入者的一举一动皆被观察。UniTask插件 自己写的扩展方法，与最新的linq 冲突了，新的linq（Unity2021) 补上了一些方法。（刚好，因为引入了一个包出了事故，搞到所有资源都搞乱了，重新从github官网下载了项目，重新演示一遍）

			
		

	





	

		

			

				
					
图扑 HT 电缆厂 3D 可视化管控系统深度解析

				
			

			

				

					Hightopo的博客
				

				

					04-03
					
					864
					
				

			

		

		

			
				
随着制造业数字化转型的加速，该技术将在更多领域得到应用和拓展。例如，在智慧城市、能源管理、医疗等行业，HT 技术可以为企业提供更加高效、智能的可视化解决方案，推动各行业的数字化发展进程。

			
		

	





	

		

			

				
					
CMDB平台（进阶篇）：3D机房大屏全景解析

				
			

			

				

					乐维社区的博客
				

				

					04-03
					
					564
					
				

			

		

		

			
				
在数字化转型的浪潮中，数据中心作为企业信息架构的核心，其高效、智能的管理成为企业竞争力的关键因素之一，其运维管理方式也正经历着革命性的变革。传统基于二维平面图表的机房监控方式已难以满足现代企业对运维可视化、智能化的需求。乐维CMDB推出的3D机房大屏功能，通过数字孪生技术将物理机房完美映射到虚拟空间，为IT运维团队提供了前所未有的可视化监控体验。

			
		

	





	

		

			

				
					
基于图扑 HT 技术的电缆厂 3D 可视化管控系统深度解析

				
			

			

				

					二三维数据可视化/数字孪生
				

				

					04-03
					
					844
					
				

			

		

		

			
				
在未来，随着制造业数字化转型的加速，该技术将在更多领域得到应用和拓展。例如，在智慧城市、能源管理、医疗等行业，HT 技术可以为企业提供更加高效、智能的可视化解决方案，推动各行业的数字化发展进程。

			
		

	





	

		

			

				
					
Cesium系列：从入门到实践，打造属于你的3D地球应用

				
			

			

				

					mad970906的博客
				

				

					04-02
					
					1223
					
				

			

		

		

			
				
CesiumJS 是一个开源的 JavaScript 库，它能够帮助开发者创建出具有卓越性能、高精度、出色视觉质量和易用性的世界级 3D 地球仪和地图。无论是在航空航天领域，用于模拟飞行路径和展示卫星数据；还是在智能城市中，用于可视化城市规划和交通流量；亦或是无人机行业，用于展示飞行轨迹和地形数据，CesiumJS 都能大显身手。它在 Apache 2.0 许可下发布，这意味着无论是商业用途还是非商业用途，都可以免费使用。获取最新版本代码：访问 CesiumJS – Cesium，找到最新的 release

			
		

	





	

		

			

				
					
前沿科技：3D生成领域技术与应用分析

				
			

			

				

					meisongqing的博客
				

				

					04-02
					
					791
					
				

			

		

		

			
				
3D生成技术正经历从专业工具向普惠化、智能化转型的关键阶段，其核心在于多模态融合、高效算法与开源生态的协同发展。未来，随着硬件普及（如AR/VR）和技术突破，该领域将在娱乐、工业、医疗等领域释放更大潜力，但也需解决数据、质量和效率等瓶颈问题。

			
		

	





	

		

			

				
					

				
			

			

				

					
				

			

		

		

			
				

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      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

	

		

		
			
		
		

		

			
JoannaJuanCV

			
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