PointPillars(二)，跑通OpenPCDet中的demo

关注

VIP免费原创 2025-05-21 09:14:38 1.6k 阅读 AI 写同款· GEO 优化 ›

OpenPCDet解析 OpenPCDet: Open-MMLab 面向LiDAR点云表征的3D目标检测代码库OpenPCDet的github链接OpenPCDet 是一套基于PyTorch实现的点云3D目标检测代码库。设计思想点云数据集（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）也形态各异因此基于数据-模型分离。阅读详情

特别推荐读读这个。 https://blog.csdn.net/m0_37605642/article/details/128987547

PointPillar 3D目标检测模型详解-CSDN博客

参考链接（一）OpenPCDet 详细完整复现（Pointpillars、Pointrcnn、Second）进行训练，并进行评估和推理可视化

ubuntu20.04安装OpenPcdet，（CUDA版本11.8，显卡4090）（CUDA版本12.1，显卡3060）

Ubuntu安装GPU驱动+CUDA+cuDNN的安装方法

九步完成Pointpillars模型训练

一、环境搭建

1、安装Anaconda

Ubuntu安装Anaconda教程参考链接

中科大镜像源下载

sudo sh Anaconda3-2024.10-1-Linux-x86_64.sh
// 键入密码、按空格、License——>yes、路径选择/home/username/anaconda3、yes
source gedit ~/.bashrc
// 加入路径：export PATH="/home/username/anaconda3/bin:$PATH"
// 激活环境变量
source ~/.bashrc
conda list
// 进入虚拟环境
source ~/anaconda3/bin/activate root

2、cuda版本

torch与cuda对应安装：Previous PyTorch Versions | PyTorch

这里面都没有12.0，但是有12.1，尽量安装官网有的版本。

sudo apt install nvidia-driver-570  #实测520版本各种报错。
# 先查看nvidia-smi硬件型号。找到适合的cuda版本。显示最高版本是12.8。经查最低cuda11.8

nvcc -V   # 10.1

当前版本不支持，先删除环境配置之cuda的卸载（ubuntu）

sudo apt-get --purge remove "*cublas*" "*cufft*" "*curand*" "*cusolver*" "*cusparse*" "*npp*" "*nvidia*"
sudo apt-get autoremove
sudo apt-get autoclean

sudo apt-get remove cuda
sudo apt-get remove cuda*
sudo dpkg -l | grep cuda  # 这里显示的所有残存都通过下面指令删除
sudo dpkg -P 残留文件

然后，手动删除CUDA的安装目录（通常是/usr/local/cuda-10.1）：

sudo rm -rf /usr/local/cuda-10.1

如果之前设置了CUDA的环境变量（如PATH和LD_LIBRARY_PATH），也需要在.bashrc或.profile文件中将其删除或更新。

Ubuntu安装GPU驱动+CUDA+cuDNN的安装方法 - 小白跃升坊 - 博客园

wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run

sudo service lightdm stop

sudo sh cuda_12.1.0_530.30.02_linux.run

因为上面已经安装了570，所以在黑屏下，不要在选择安装525的驱动了。12.1对应530，按照530来装。

然后添加环境变量。

export PATH=/usr/local/cuda-12.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH

就可以nvcc -V了。

3、安装cuda

~~重新下载安装cuda。CUDA Toolkit 11.8 Downloads | NVIDIA Developer~~

~~CUDA Toolkit Archive | NVIDIA Developer~~

~~选择自己对应的系统，然后选择哪种安装方式：在线~~

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-8

离线

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.8.1/local_installers/cuda-repo-ubuntu2004-12-8-local_12.8.1-570.124.06-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-12-8-local_12.8.1-570.124.06-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2004-12-8-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-8

~~以上都没用。~~

安装一定要在黑屏下操作。

【环境搭建】Python、PyTorch与cuda的版本对应表

torch与cuda对应安装：Previous PyTorch Versions | PyTorch

锁定pytorch2.1.0，python=3.9

3、配置cuDNN库

CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

sudo apt-get -y install cudnn-cuda-12

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

tar -xvf cudnn-linux-x86_64-8.9.4.25_cuda12-archive.tar.xz 
sudo cp cudnn-linux-x86_64-8.9.4.25_cuda12-archive/include/cudnn*.h /usr/local/cuda-12.1/include
sudo cp -P cudnn-linux-x86_64-8.9.4.25_cuda12-archive/lib/libcudnn* /usr/local/cuda-12.1/lib64/
sudo chmod a+r /usr/local/cuda-12.1/include/cudnn*.h /usr/local/cuda-12.1/lib64/libcudnn*
cat /usr/local/cuda-12.1/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

4、创建虚拟环境

conda create -n pcdet python=3.9
conda activate pcdet

5、安装pytorch

# CUDA 12.1
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=11.8 -c pytorch -c nvidia

检验：

python
import torch
torch.cuda.is_available()

6、安装spconv

pip install spconv-cu121

检验

import spconv

7、下载OpenPCDet

git clone https://github.com/open-mmlab/OpenPCDet.git
cd OpenPCDet
pip install -r requirements.txt #安装环境
python setup.py develop #安装pcdet

8、运行

python demo.py --cfg_file ./cfgs/kitti_models/pointpillar.yaml --ckpt ../pointpillar_7728.pth --data_path ../../data/data_object_velodyne/training/velodyne/000006.bin

二、训练

1、下载 KITTI 数据集

从 KITTI 官方网站下载以下数据：

点云数据：data_object_velodyne 文件夹，包含 .bin 格式的点云数据。
标注信息：data_object_label_2 文件夹，包含目标的标注信息。
校准信息：data_object_calib 文件夹，包含相机和激光雷达的校准参数。
图像数据（可选）：data_object_image_2 文件夹，包含彩色图像数据。

2、准备数据

2.1 数据格式转换

如果点云数据不是 .bin 格式，需要将其转换为 .bin 格式。例如，如果数据是 .pcd 格式，可以使用以下 Python 脚本进行转换：

import os
import numpy as np

def pcd2bin(pcdfolder, binfolder, start_idx, end_idx):
    ori_path = pcdfolder
    des_path = binfolder
    if not os.path.exists(des_path):
        os.makedirs(des_path)
    for idx in range(start_idx, end_idx + 1):
        filename = f"{idx:06d}"
        velodyne_file = os.path.join(ori_path, filename + '.pcd')
        if os.path.exists(velodyne_file):
            pl = read_pcd(velodyne_file)
            pl = pl.reshape(-1, 4).astype(np.float32)
            velodyne_file_new = os.path.join(des_path, filename + '.bin')
            pl.tofile(velodyne_file_new)
        else:
            print(f"File not found: {velodyne_file}")

def read_pcd(filepath):
    lidar = []
    header_passed = False
    with open(filepath, 'r') as f:
        for line in f:
            line = line.strip()
            if line.startswith('DATA'):
                header_passed = True
                continue
            if header_passed:
                linestr = line.split()
                if len(linestr) == 3:
                    linestr_convert = list(map(float, linestr))