版权声明：如需转载请联系博主获取权限并标明出处 https://blog.csdn.net/ShuqiaoS/article/details/82754126

《Frustum PointNets for 3D Object Detection from RGB-D Data》论文及代码学习（二）——代码部分

文章目录

• 《Frustum PointNets for 3D Object Detection from RGB-D Data》论文及代码学习（二）——代码部分
• 数据生成
• ./rgb_detection
• ./kitty_object.py

网络训练

网络测试

• 测试结果

数据生成

frustum-pointnets-master/kitti/

下面一共有两个文件夹，3个py文件，一个编译得到的pyc，三个单独下载下来的处理好的数据。

./rgb_detection

这个文件加下面存放着提前得到的2D估计结果，包括训练集结果和交叉验证集结果。结果格式为：
图片数据路径 类别标签 概率 矩阵坐标（应该是对角的两个点）

frustum支持从2D数据的基础上估计3D目标模型，这个数据可以用他们提供的，也可以自己生成其他的2D结果。

./kitty_object.py

文件的学习说明参见另一条博文。
这个文件是用来检查所需要的KITTI 3D数据库是否正确下载并且按照dataset/README.md中的要求放置在对应的文件夹下面。当所有文件都放好了，运行命令：

python kitti/kitti_object.py

应该看到3D点云数据的平面和立体显示，如下图所示（运行过程会有一点慢，耐心等待）：
首先获得平面图像：

在终端按下回车，继续得到3D点云图像：

此时，终端上显示出各项参数：

此时就可以开始生成用于训练和测试的数据集了。除了运行下面的代码外，也可以直接下载论文作者生成好的数据集：

sh scripts/command_prep_data.sh

这个过程就是依照2D bounding box真值（训练集和验证集）和目标检测器估计的2D bounding box（验证集）将KITTI中的四棱台点云和对应的类别标签提取出来。其中，训练集和测试集的图片标号分别保存在路径kitti/image_sets/train.txt和kitti/image_sets/val.txt下。也会从上面提到的kitti/rgb_detections/rgb_detection_val.txt文件中提取验证集的估计2D bounding box结果。

运行下面的代码可以看到具体的数据生成步骤：

python kitti/prepare_data.py --demo

第一步：提取2D和3D bounding boxes

第2步：获取点云

第3步：将点云投射到图像平面

第4步：提取3D bounding box内的点云

第5步：提取从2D bounding box看出去的点云四棱台

第6步：提取目标bounding box对应的点云四棱台

结束。
具体的程序实现过程可以参照文件

kitti/prepare_data.py

，由于目前博主并不关心具体的实现过程，此处就不做详细阅读和说明了。

网络训练

训练网络可以在终端运行下面的命令：

CUDA_VISIBLE_DEVICES=0 sh scripts/command_train_v1.sh

类似地，要训练v2只需要训练

scripts/command_train_v2.sh

即可。训练数据和检查节点信息会保存在

train/log_v1

（或

train/log_v2

）中。训练中的参数可以通过

python train/train.py -h

查看。

训练好的网络参数可以直接从论文作者提供的网址下载获得，只需要将下载的文件解压，并将

log_*

文件夹放置在

train

文件夹下即可。

下图是显示出的可供调节的训练命令：

文件

scripts/command_train_v1.sh

中的命令是这样的：

python train/train.py --gpu 0 --model frustum_pointnets_v1 --log_dir train/log_v1 --num_point 1024 --max_epoch 201 --batch_size 32 --decay_step 800000 --decay_rate 0.5

其中

train/train.py

的详细注解请参照学习笔记。

其他命令说明：
命令

--gpu 0

设定的是用来运行程序的GPU编号，0就是第一块GPU；
命令

--model frustum_pointnets_v1

指定了用于图像分割的网络结构是v1还是v2，这里指定的是v1；
命令

--log_dir train/log_v1

确定的是log的存储路径；
命令

--num_point 1024

指定对于每一个样本只从点云四棱台中抽取1024个点用于训练；
命令

--max_epoch 201

指定一共要运行多少个epoch（一个epoch中会运行数次迭代）；
命令

--batch_size 32

规定batch size为32；
命令

--decay_step 800000

规定每多少次进行衰减；
命令

--decay_rate 0.5

规定初始衰减率。

网络测试

可运行下面的程序测试网络：

CUDA_VISIBLE_DEVICES=0 sh scripts/command_test_v1.sh

同样，如果要测试网络2，只需要运行

scripts/command_test_v2.sh

文件即可。这个代码会基于2D目标检测器的2D bounding box计算结果，自动评估frustum pointnets在验证集上的效果（2D检测器的代码不包含在frustum pointnets中）；随后运行KITTI的离线评估代码，计算并显示2D检测、bird’s eye view检测和3D检测的平均精度。

如果想看网络的估计结果，博主写了一个python程序，下载后放在kitti文件夹下运行就可以啦。如果对大家有帮助，请在GitHub上Star一下哦。

尽管这里没有公布对于测试集的测试代码，但是算法的README文件给出了可行的方案：

首先，要用一个2D检测器获取KITTI测试集的检测结果，并将其存储在

kitti/rgb_detections

的一个文件中；
随后，要修改

kitti/prepare_data.py

从而获取测试集的点云四棱台；
接下来，可以修改在

scripts

下的文件中的数据路径、刚才生成的训练数据路径、以及输出文件名。

论文作者说明：他们所提供的结果报告是用了全部的

trainval

训练网络得到的。

测试结果

下图是车辆的2D检测结果

3D检测结果

以2D bounding box真值为输入的结果

根据评估曲线可以看到，虽然3D检测结果好坏在一定程度上依赖2D的检测精度，但二者并非是简单的叠加关系。算法本身的精度还有可提升的空间，尤其对于行人和自行车，算法的效果仍然可以提高。

阅读更多