kitti是什么意思ti在线翻译读音例句

使⽤卷积神经⽹络进⾏激光雷达点云⽬标检测——S林清玄简介 ECOND

前⾔

该⼯作刚发表时，曾是第⼀名，不过刷榜的⼈太多，出现了更优秀的算法，所以排名下降了，但这是前⼏名中唯⼀开源的。

从作者简介中可以看出，作者是重庆⼤学的研究⽣，其导师（猜测）和主线科技的员⼯。这应该是⼀名研究⽣在公司实习时完成的⼯

作，好⽣敬佩与羡慕。

对于研究⽣来说，最好还是接触实际的项⽬，尽量早倍组词语 点出去实习，但可能每个⼈都有各⾃的苦衷吧。

简单翻译⼀下摘要：

基于LiDAR或基于RGB-D的⽬标检测应⽤于从⾃动驾驶到机器图穷匕见 ⼈视觉的各种应⽤。基于体素的3D卷积⽹络已经使⽤了⼀段中秋节的八个字名言 时间，以

在处理LiDAR点云数据时增强信息的保留。然⽽，问题仍然存在，包括推理速度慢和⽅位估计性能差。因此，我们研究了⼀种改进的

稀疏卷积⽅法⽤于这种⽹络，这显着地增加了对于训练和推理的速度。通过引⼊⾓度损失的⽅法来提⾼⽅向估计性能，以及⼀种新的

能增强收敛速度和性能的数据增强⽅法。所提出的⽹络在KITTI3D物体检测基准测试中产⽣最先进的结果，同时保持快速的推理速

度。

主要贡献：

WeapplysparseconvolutioninLiDAR-basedobjectdete残阳如血 ction,therebygreatlyincreasingthespeedsoftrainingandinference.

Weproposeanimprovedmethodofsparseconvolutionthatallowsittorunfaster.

Weproposeanovelanglelossregressionapproachthatdemonstr王维写重阳节的诗 atesbetterorientationregressionperformancethan-other

methodsdo.

WeintroduceanoveldataaugmentationmethodforLiDAR-onlylearningproblemsthatgreatlyincreasestheconvergence

speedandperformance.

⽹络架构：

检测结果：

注：这⾥的图像只是⽤来验证点云⽬标检测的结果。

安装

0.环境

Python3.6+

pytorch1.0.0+

Ubuntu16.04/18.04

1.下载代码

gitclone/traveller59/

cd./h/second

2.安装Python依赖包

建议使⽤Anaconda包管理器。

pipinstallshapelyfirepybind11tensorboardXprotobufscikit-imagenumbapillow

如果你没有Anaconda：

pipinstallnumba

按照中的说明安装spconv。

3.为numba设置cuda

你需要为添加以下环境变量，你可以将它们添加到~/.bashrc：

exportNUMBAPRO_CUDA_DRIVER=/usr/lib/x86_64-linux-gnu/

exportNUMBAPRO_NVVM=/usr/local/cuda/nvvm/lib64/

exportNUMBAPRO_LIBDEVICE=/usr/local/cuda/nvvm/libdevice

4.将h/添加到PYTHONPATH

准备数据集

数据集准备

1.下载KITTI数据集并⾸先创建⼀些⽬录：

└──KITTI_DATASET_ROOT

├──training<--7481traindata

|├──image_2<--forvisualization

|├──calib

|├──label_2

|├──velodyne

|└──velo千山暮雪小说免费阅读 dyne_reduced<--emptydirectory

└──testing<--7580testdata

├──image_2<--forvisualization

├──calib

├──velodyne

└──velodyne_reduced<--emptydirectory

2.创建KITTI的相关信息：

pythoncreate_te_kitti_info_file--data_path=KITTI_DATASET_ROOT

3.创建缩减点云（reducedpointcloud）：

pythoncreate_te_reduced_point_cloud--data_path=KITTI_DATASET_ROOT

4.创建真值数据库（groundtruth-database）信息：

pythoncreate_te_groundtruth_datab是什么生肖? ase--data_path=KITTI_DATASET_ROOT

5.修改配置⽂件

在配置⽂件中需要配置⼀些路径：

train_input_reader:{

...

database_sampler{

database_info_path:\"/path/to/kitti_dbinfos_\"

...

}

kitti_info_path:\"/path/to/kitti_infos_\"

kitti_root_path:\"KITTI_DATASET_ROOT\"

}

...

eval_input_reader:{

...

kitti_info_path:\"/path/to/kitti_infos_\"

kitti_root_path:\"KITTI_DATASET_ROOT\"

}

⽤法

训练

python./pytorch/n--config_path=./configs/--model_dir=/path/to/model_dir

如果要训练新模型，请确保/path/to/model_dir不存在。如果model_dir不存在，将创建⼀个新⽬录，否则将读取其中的检查点

（checkpoints）。

训练过程使⽤batchsize=6作为1080Ti的默认值，如果GPU内存较少，则需要减少batchsize的⼤⼩。

⽬前仅⽀持单GPU训练，但在单个1080Ti中训练模型仅需要20⼩时（165个epoch），并且仅需要50个epoch以达到78.3

AP，withsuperconvergeincarmoderate3DinKittivalidationdateset。

评估

python./pytorch/uate--config_path=./configs/--model_dir=/path/to/model_dir--measure_time=Tr形容荷花的句子唯美短句 ue--batch_size=1

如果使⽤--pickle_result=False，检测结果将保存为model_dir/eval_results/step_xxx中的⽂件或保存为官⽅KITTI标签格式。

预训练模型

您可以在中下载预训练模型。car_fhd模型对应于。

请注意，此预训练模型是在修复稀疏卷积的错误之前训练的，因此评估结果可能稍差。

Docker（我没时间为SECOND-V1.5构建docker）

你可以使⽤预构建的docker进⾏测试：

dockerpullscrin/second-pytorch

然后运⾏：

nvidia-dockerrun-it--rm-v/media/yy/960evo/datasets/:/root/data-v$HOME/pretrained_models:/root/model--ipc=hostsecond-pytorch:latest

python./pytorch/uate--config_path=./configs/--model_dir=/root/model/car

试⽤KittiViewerWeb

主要步骤

1.在你的server/local运⾏python./kittiviewer/--port=xxxx。

2.运⾏cd./kittiviewer/frontend&&，以启动本地Web服务器。

3.打开浏览器并输⼊你的前端URL（例如，默认是http//127.0.0.18000）

5.输⼊root路径，info路径和det路径（可选）

6.单击load，loadDet（可选），在屏幕中央底部输⼊图像索引，然后按Enter键。

推理步骤

⾸先，必须单击load按钮并成功加载。

输⼊checkpointPath和configPath

单击buildNet

点击inference

试⽤KittiViewer（已弃⽤）

在训练前，你应该使⽤基于pyqt和pyqtgraph的kittiviewer检查数据。

运⾏python./kittiviewer/，查看下⾯的图⽚以使⽤kittiviewer：

概念

Kitti《忆江南》古诗朗诵 lidarbox

kittilidarbox由7个元素组成：[x,y,z,w,l,h,rz]，见下图：

所有训练和推理代码均使⽤kittibox格式。所以我们需要在训练之前将其他格式转换为KITTI格式。

Kitticamerabox

kitticamerabox由7个元素组成：[x,y,z,l,h,w,ry]。

注：更详尽的理论还是看论⽂，⼯程实现看代码。