GraspNet Baseline 项目使用教程

1. 项目目录结构及介绍

graspnet-baseline/
├── dataset/
│   ├── generate_tolerance_label.py
│   └── ...
├── doc/
│   └── ...
├── knn/
│   ├── setup.py
│   └── ...
├── models/
│   └── ...
├── pointnet2/
│   ├── setup.py
│   └── ...
├── utils/
│   └── ...
├── .gitignore
├── LICENSE
├── README.md
├── command_demo.sh
├── command_test.sh
├── command_train.sh
├── demo.py
├── requirements.txt
├── test.py
└── train.py

目录结构介绍

• dataset/: 包含数据集相关文件，如生成容差标签的脚本 generate_tolerance_label.py。
• doc/: 包含项目文档文件。
• knn/: 包含 KNN 算法的实现及相关配置文件 setup.py。
• models/: 包含项目使用的模型文件。
• pointnet2/: 包含 PointNet++ 算法的实现及相关配置文件 setup.py。
• utils/: 包含项目使用的工具函数。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• README.md: 项目介绍文件。
• command_demo.sh: 运行演示程序的脚本。
• command_test.sh: 运行测试程序的脚本。
• command_train.sh: 运行训练程序的脚本。
• demo.py: 演示程序的主文件。
• requirements.txt: 项目依赖包列表。
• test.py: 测试程序的主文件。
• train.py: 训练程序的主文件。

2. 项目启动文件介绍

demo.py

demo.py 是项目的演示程序主文件，用于检测和可视化 RGB-D 图像中的抓取点。可以通过以下命令运行：

python demo.py --checkpoint_path <路径>

test.py

test.py 是项目的测试程序主文件，用于运行推理和结果评估。可以通过以下命令运行：

python test.py --dataset_root <路径> --camera <相机类型> --checkpoint_path <路径> --dump_dir <路径>

train.py

train.py 是项目的训练程序主文件，用于训练模型。可以通过以下命令运行：

python train.py --dataset_root <路径> --camera <相机类型> --log_dir <路径>

3. 项目配置文件介绍

requirements.txt

requirements.txt 文件列出了项目运行所需的依赖包，可以通过以下命令安装：

pip install -r requirements.txt

setup.py

setup.py 文件位于 pointnet2/ 和 knn/ 目录中，用于编译和安装 PointNet++ 和 KNN 算法的自定义操作符。可以通过以下命令安装：

cd pointnet2
python setup.py install

cd ../knn
python setup.py install

command_demo.sh, command_test.sh, command_train.sh

这些脚本文件包含了运行演示、测试和训练程序的示例命令，可以根据需要进行修改和执行。

通过以上介绍，您可以更好地理解和使用 GraspNet Baseline 项目。