官网：mmdetection3d/README_zh-CN.md at master · open-mmlab/mmdetection3d · GitHub
安装过程参照：win10 mmdetection3d 训练KITTI_树和猫的博客-CSDN博客_pointnet训练kitti
官网安装过程
前言
3D目标检测框架综述-知乎中描述了当前3D目标检测的数据和模型状况，为了能将数据和评价标准等统一，介绍了4个比较统一的检测算法框架。
OpenPCDet
社区活跃，代码轻量化且可读性强(有些顶刊论文是基于这个框架开发的)
基于Pytorch框架
mmdetection3d
社区活跃，有官方文档，便于上手；代码封装性好，codeview比较吃力(近年的顶刊会议有些是基于这个框架开发的)
基于Pytorch框架
Det3D
和OpenPCDet类似，也比较轻量，但是最近不怎么更新了。
基于Pytorch框架
Paddle3D
2022年8月刚开源出来，暂时还不清楚效果
基于PaddlePaddle框架
小结：
最终选定了应用比较多的OpenPCDet和mmdetection3d，但是OpenPCDet在win10系统下没有安装成功(唯一看到成功的博客，如果有兴趣可以自己尝试)，最终选择mmdetection3d进行安装。
mmdetection3d的安装（安装失败）
主要是python版本错误导致的，若想看安装教程，直接跳转到正确安装部分。
1. 准备工作
本机环境：
win10 + anaconda3 +python3.9+CUDA11.5 + CUDNN8.3 + torch1.11 + torchvision0.12.
准备工作：下载官网文件到本地文件夹下E:\LCH_Content\Code\1Preparations\mmdetection3d__open-mmlab
（1）安装过程可依照如下步骤
pip install openmim -i https://pypi.tuna.tsinghua.edu.cn/simple
mim install mmcv-full
mim install mmdet
mim install mmsegmentationmmdet安装时出错，遂改用
# install mmdetection
pip install git+https://github.com/open-mmlab/mmdetection.git注意，此方法需要提前安装git包，安装方式
conda install git（2）跳转到本地文件夹下
cd \d E:\LCH_Content\Code\1Preparations\mmdetection3d__open-mmlab(3) 安装spconv
pip install spconv-cu114 -i https://pypi.tuna.tsinghua.edu.cn/simple(4) 安装依赖包
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple
注意：
官网说，sponv比原生mmvc sponv使用内存更少，所以先安装了spconv(别人有些最后才安装这个库)。由于网路原因，最后一步可能会报错，多试几次或者加镜像。
2. 测试和验证
(1). 数据集存放的位置
KITTI数据集官网
将下载好的数据集按照下列顺序放到mmdetection3d项目路径下(其中ImageSet文件夹用来存放数据集划分文本)
mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│ ├── kitti
│ │ ├── ImageSets
│ │ ├── testing
│ │ │ ├── calib
│ │ │ ├── image_2
│ │ │ ├── velodyne
│ │ ├── training
│ │ │ ├── calib
│ │ │ ├── image_2
│ │ │ ├── label_2
│ │ │ ├── velodyne
主要是testing和training中存放这些数据，目前选择了0-200的编号。
(2). 数据集处理
(1) 在项目mmdetection3d文件夹下，进入cmd，并输入下列内容以创建文件夹。
mkdir .\data\kitti\ImageSets(2) 在cmd中继续输入下列内容，下载数据划分文件(生成4个txt文件)
wget -c https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/test.txt --no-check-certificate --content-disposition -O ./data/kitti/ImageSets/test.txt
wget -c https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/train.txt --no-check-certificate --content-disposition -O ./data/kitti/ImageSets/train.txt
wget -c https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/val.txt --no-check-certificate --content-disposition -O ./data/kitti/ImageSets/val.txt
wget -c https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/trainval.txt --no-check-certificate --content-disposition -O ./data/kitti/ImageSets/trainval.txt
此前需要安装wget，Wget for windows安装方法
注：在环境变量中添加路径时，要先新建，再浏览输入保存。
问题：
Resolving raw.githubusercontent.com (raw.githubusercontent.com)... failed: 请求的名称有效，但是找不到请求的类型的数据。 .
wget: unable to resolve host address 'raw.githubusercontent.com'解决方案
如，在文件中添加了下列内容：
185.199.108.133 raw.githubusercontent.com(3) 激活项目的虚拟环境，输入以下命令对数据集进行预处理
python tools/create_data.py kitti --root-path ./data/kitti --out-dir ./data/kitti --extra-tag kitti注意：由于数据只解压了0-200的数据，故需要先将ImageSets中的数据进行修改。(只保留了000200之前的数据)。
错误1:
ImportError: cannot import name 'gcd' from 'fractions' (D:\PythonVirtualEnv\envs\py39\lib\fractions.py)解决1：同样问题的解决方法
conda install -y networkx">=2.5"
conda install -y networkx==2.2(4) 处理完成后，得到的目录如下:
(3). 数据训练
数据训练对训练参数讲的很详细
单GPU训练
python tools/train.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-car.py训练结束后，我们可以在/mmdetection3d/work-dirs/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class文件夹中看到训练结果，包括日志文件（.log）、权重文件（.pth）以及模型配置文件（.py）等。
数据测试
python demo/pcd_demo.py demo/data/kitti/kitti_000008.bin configs/second/hv_second_secfpn_6x8_80e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth
报错
AttributeError: 'EnforcedForest' object has no attribute 'node'.根据官网解答， networkx的版本需求如下
pip install 'networkx>=2.2,<2.3'进一步测试发现，它要求的python版本为3.8， 故宣告失败，按照官网步骤重新来。
mmdetection3d的正确安装
1. 安装步骤
官方安装步骤
由于安装过程也出现一些问题，故重头描述安装过程。
(1) 安装cuda, cudnn
(2) 创建虚拟环境，注最好安装python=3.8（上述已证明3.9不行）；
conda create --name mmdet3d python=3.8 -y
conda activate mmdet3d(3) 安装pytorch和torchvision
官方提供的办法，安装为cpu版本。建议在whl下载中直接下载对应cuda版本的pytorch和torchvision。在whl下载目录下进行安装：
pip install torch-1.11.0+cu115-cp39-cp39-win_amd64.whl
pip install torchvision-0.12.0+cu115-cp39-cp39-win_amd64.whl(4) 安装spconv
比mmcv spconv使用更少的内存，故提前安装该依赖。
由于cuda11.5没有对应的spconv, 故安装11.4版本的。
pip install spconv-cu114
(5) 安装mmdetection 3d
在想要安装的文件夹下，依次输入下列语句：
pip install openmim
mim install mmcv-full
mim install mmdet
mim install mmsegmentation
git clone https://github.com/open-mmlab/mmdetection3d.git
cd mmdetection3d
pip install -e .2. 测试：
为了将数据可视化，需要提前安装open3d依赖
pip install opend3d -i https://pypi.tuna.tsinghua.edu.cn/simple(1) 使用官方给定的demo进行测试，其中checkpoints中内容需要在模型库中下载
python demo/pcd_demo.py demo/data/kitti/kitti_000008.bin configs/second/hv_second_secfpn_6x8_80e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth若demo文件夹下出现了下列文件夹及其包含的内容，说明安装成功。
上述obj文件可用MeshLab打开将其可视化.
(2) 可视化数据集(即，数据集中的点云依次用open3d可视化)， 在线显示并存入磁盘。
python tools/misc/browse_dataset.py configs/_base_/datasets/kitti-3d-car.py --task det --output-dir data/lch_data/output --online(3) 显示2D图像以及投影的3d边界框
python tools/misc/browse_dataset.py configs/mvxnet/dv_mvx-fpn_second_secfpn_adamw_2x8_80e_kitti-3d-3class.py --task multi_modality-det --output-dir data/lch_data/testmulti --online
(4) demo的检测结果。
python demo/pcd_demo.py demo/data/kitti/kitti_000008.bin configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth --out-dir data/lch_data/out_display --show
python demo/pcd_demo.py demo/data/kitti/kitti_000008.bin configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth --score-thr 0.7 --out-dir data/lch_data/demo --show(5) 想要查看检测的准确度，可输入下列指令：
python tools/test.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-car.py checkpoints/hv_second_secfpn_6x8_80e_kitti-3d-car_20200620_230238-393f000c.pth --eval 'mAP' --eval-options 'show=True' 'out_dir=./data/lch_data/show_results'
出错：文章来源：https://www.toymoban.com/news/detail-417805.html
OSError: [WinError 1455] 页面文件太小，无法完成操作。 Error loading "D:\PythonVirtualEnv\envs\mmdet3d\lib\site-packages\torch\lib\shm.dll" or one of its dependencies.解决方案文章来源地址https://www.toymoban.com/news/detail-417805.html
到了这里，关于win10 mmdetection3d环境搭建的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
