Det3D 项目安装与使用指南

1. 项目介绍

Det3D 是一个基于 PyTorch 的通用 3D 物体检测代码库，旨在提供多种 3D 物体检测算法的实现，如 PointPillars、SECOND、PIXOR 等。该项目支持多个数据集，包括 KITTI、nuScenes 和 Lyft，并且提供了在主要基准测试上的最先进方法。Det3D 的主要特点包括多数据集支持、点云和体素模型库、分布式训练和验证、以及灵活的锚点维度设置。

2. 项目快速启动

2.1 安装环境要求

• Linux
• Python 3.6+
• PyTorch 1.1-1.6
• CUDA 10.0/10.1
• CMake 3.13.2 或更高版本
• spconv
• nuscenes-devkit

2.2 安装步骤

1. 安装 spconv

   sudo apt-get install libboost-all-dev
   git clone https://github.com/poodarchu/spconv --recursive
   cd spconv && python setup.py bdist_wheel
   cd ./dist && pip install *.whl
   

2. 安装 nuscenes-devkit

   pip install nuscenes-devkit
   

3. 安装 Det3D

   git clone https://github.com/poodarchu/Det3D.git
   cd Det3D
   python setup.py build develop
   

2.3 常见安装问题

• ModuleNotFoundError: No module named 'det3d.ops.nms.nms'

  解决方法：重新运行 python setup.py build develop。

• *"values of 'package_data' dict" must be a list of strings (got 'json')

  解决方法：使用 setuptools 39.1.0。

  pip install setuptools==39.1.0
  

3. 应用案例和最佳实践

3.1 数据集准备

Det3D 支持多个数据集，如 KITTI、nuScenes 和 Lyft。在使用前，请确保数据集已正确下载并放置在项目目录中。

3.2 模型训练

以 nuScenes 数据集为例，训练 PointPillar 模型：

python tools/train.py configs/pointpillars/pointpillars_nus_1x.py

3.3 模型评估

训练完成后，可以使用以下命令进行模型评估：

python tools/test.py configs/pointpillars/pointpillars_nus_1x.py work_dirs/pointpillars_nus_1x/latest.pth --eval bbox

4. 典型生态项目

4.1 MMDetection3D

MMDetection3D 是一个基于 PyTorch 的开源 3D 物体检测工具箱，支持多种 3D 检测算法和数据集。Det3D 与 MMDetection3D 在功能和架构上有相似之处，可以相互借鉴和补充。

4.2 SECOND.PyTorch

SECOND.PyTorch 是一个基于 PyTorch 的 3D 物体检测库，专注于 SECOND 算法的实现。Det3D 中包含了 SECOND 的实现，可以作为参考和对比。

4.3 PointRCNN

PointRCNN 是一个基于点云的 3D 物体检测算法，Det3D 中提供了 PointRCNN 的实现。通过对比和学习 PointRCNN 的实现，可以更好地理解 3D 物体检测的原理和方法。

通过以上模块的介绍和实践，您可以快速上手 Det3D 项目，并将其应用于实际的 3D 物体检测任务中。