DeepI2P 项目下载及安装教程

1. 项目介绍

DeepI2P 是一个用于图像到点云配准的深度学习项目，由 Jiaxin Li 和 Gim Hee Lee 开发，并在 CVPR 2021 上发表。该项目通过深度分类方法解决了跨模态配准问题，即在相机和激光雷达之间找到相对旋转 R 和位移 t。DeepI2P 的核心思想是执行逆相机投影，将图像信息转换为点云信息，从而实现精确的配准。

2. 项目下载位置

要下载 DeepI2P 项目，请访问项目的 GitHub 仓库。你可以通过以下步骤进行下载：

1. 打开终端或命令提示符。
2. 使用 git clone 命令下载项目：

git clone https://github.com/lijx10/DeepI2P.git

3. 项目安装环境配置

在安装 DeepI2P 之前，你需要确保你的系统满足以下环境要求：

• Python 3.6 或更高版本
• PyTorch 1.7 或更高版本
• Ceres Solver（用于逆相机投影的 C++ 代码）
• CUDA（如果使用 GPU 加速）

环境配置示例

以下是配置环境的步骤：

1. 安装 Python 和 PyTorch：

# 安装 Python 3.6 或更高版本
sudo apt-get install python3.6

# 安装 PyTorch
pip install torch torchvision

2. 安装 Ceres Solver：

# 安装依赖项
sudo apt-get install cmake libgoogle-glog-dev libatlas-base-dev

# 下载并编译 Ceres Solver
git clone https://ceres-solver.googlesource.com/ceres-solver
cd ceres-solver
mkdir build
cd build
cmake ..
make -j4
sudo make install

3. 安装 CUDA（可选）：

# 安装 CUDA 11.0 或更高版本
sudo apt-get install nvidia-cuda-toolkit

环境配置图片示例

4. 项目安装方式

安装 DeepI2P 项目的步骤如下：

1. 进入项目目录：

cd DeepI2P

2. 安装项目依赖：

pip install -r requirements.txt

3. 编译自定义操作：

cd models/index_max_ext
python setup.py install

4. 编译逆相机投影代码：

cd evaluation/frustum_reg
python setup.py install

5. 项目处理脚本

DeepI2P 项目包含多个处理脚本，用于训练和评估模型。以下是一些关键脚本的介绍：

• registration_lsq.py：用于逆相机投影的 Python 脚本，利用每点的粗分类预测和 frustum_reg 求解器。
• registration_pnp.py：用于 PnP 求解器的 Python 脚本，利用每点的精细分类预测。
• train.py：用于训练模型的脚本，支持 KITTI、nuScenes 和 Oxford 数据集。

示例脚本运行

# 运行逆相机投影脚本
python registration_lsq.py

# 运行 PnP 求解器脚本
python registration_pnp.py

# 训练模型
python train.py --dataset kitti

通过以上步骤，你可以成功下载、安装并运行 DeepI2P 项目。