PointPillars_MultiHead_40FPS 项目下载及安装教程

1. 项目介绍

PointPillars_MultiHead_40FPS 是一个基于 PointPillars 网络的高性能实时3D目标检测网络。该项目通过使用 CUDA/TensorRT/C++ 进行编译，能够在1ms/头的速度下进行实时处理。该项目的推理部分通过 TensorRT 进行优化，前处理和后处理通过 CUDA/C++ 代码进行优化。

2. 项目下载位置

项目托管在 GitHub 上，您可以通过以下命令克隆项目：

git clone https://github.com/hova88/PointPillars_MultiHead_40FPS.git --recursive

3. 项目安装环境配置

以下是安装环境所需的步骤，以下截图为示例：

安装依赖

• Linux Ubuntu 18.04
• CMake 3.17
• CUDA 10.2
• TensorRT 7.1.3
• yaml-cpp
• google-test (非必需)
• open3d (用于可视化)

配置环境

mkdir workspace && cd workspace

git clone https://github.com/hova88/PointPillars_MultiHead_40FPS.git --recursive
cd PointPillars_MultiHead_40FPS

git clone https://github.com/hova88/OpenPCDet.git

示例图片

4. 项目安装方式

生成引擎文件

1. PyTorch 模型转换为 ONNX 模型：具体转换教程已放在 hova88/OpenPCDet 的更新日志中。

2. ONNX 模型转换为 TensorRT 模型：安装 onnx2trt 后，操作变得非常简单。注意，如果想要进一步提高推理速度，必须使用半精度或混合精度（如 -d 16）。

onnx2trt cbgs_pp_multihead_pfe.onnx -o cbgs_pp_multihead_pfe.trt -b 1 -d 16
onnx2trt cbgs_pp_multihead_backbone.onnx -o cbgs_pp_multihead_backbone.trt -b 1 -d 16

编译项目

cd PointPillars_MultiHead_40FPS
mkdir build && cd build
cmake ..
make -j8

运行测试

./test/test_model

5. 项目处理脚本

项目中的处理脚本主要用于数据处理和模型可视化。以下是一些基本的脚本示例：

数据处理

# 数据处理脚本示例
python data_process.py

模型可视化

# 模型可视化脚本示例
python viewer.py

以上是 PointPillars_MultiHead_40FPS 项目的下载和安装教程。希望对您有所帮助！