3DSmoothNet 项目使用教程

1. 项目目录结构及介绍

3DSmoothNet/
├── CMakeLists.txt
├── LICENSE
├── README.md
├── demo.py
├── install_pcl.sh
├── main.cpp
├── main_cnn.py
├── requirements.txt
├── data/
│   ├── test/
│   │   └── input_data/
│   └── train/
│       └── trainingData3DMatch/
├── evaluation/
├── figures/
├── logs/
├── models/
└── core/
    └── config.py

目录结构介绍

• CMakeLists.txt: CMake 配置文件，用于编译 C++ 代码。
• LICENSE: 项目许可证文件，采用 BSD-2-Clause 许可证。
• README.md: 项目介绍和使用说明。
• demo.py: 演示脚本，展示如何使用预训练模型进行点云匹配。
• install_pcl.sh: 安装 Point Cloud Library (PCL) 的脚本。
• main.cpp: C++ 代码，用于计算点云的平滑密度值 (SDV) 体素网格。
• main_cnn.py: Python 脚本，用于训练和推理 3DSmoothNet 模型。
• requirements.txt: Python 依赖库列表。
• data/: 数据目录，包含测试和训练数据。
  • test/input_data/: 测试数据输入目录。
  • train/trainingData3DMatch/: 训练数据目录。
• evaluation/: 评估代码目录。
• figures/: 存放生成的图表。
• logs/: 存放训练日志。
• models/: 存放预训练模型。
• core/: 核心代码目录，包含配置文件 config.py。

2. 项目启动文件介绍

demo.py

demo.py 是一个演示脚本，展示了如何使用预训练的 3DSmoothNet 模型进行点云匹配。该脚本执行以下步骤：

1. 计算输入点云的 SDV 体素网格。
2. 使用预训练模型推断 32 维的 3DSmoothNet 描述符。
3. 使用 RANSAC 估计刚体变换参数。
4. 输出 RANSAC 结果，并生成两个图表，分别显示初始状态和 3DSmoothNet 注册后的状态。

main_cnn.py

main_cnn.py 是主要的 Python 脚本，用于训练和推理 3DSmoothNet 模型。该脚本支持以下模式：

• 测试模式 (--run_mode=test): 使用预训练模型推断 3DSmoothNet 描述符。
• 训练模式 (--run_mode=train): 从头开始训练 3DSmoothNet 模型。

3. 项目配置文件介绍

core/config.py

config.py 是项目的配置文件，定义了训练和推理过程中使用的各种参数。以下是一些关键配置项：

• run_mode: 运行模式，可以是 train 或 test。
• output_dim: 输出描述符的维度，例如 32、64 或 128。
• batch_size: 训练时的批量大小。
• learning_rate: 学习率。
• num_epochs: 训练的总轮数。
• data_dir: 训练数据目录。
• model_dir: 模型保存目录。
• log_dir: 日志保存目录。

通过修改 config.py 中的参数，可以自定义训练和推理过程。

---

以上是 3DSmoothNet 项目的使用教程，涵盖了项目的目录结构、启动文件和配置文件的介绍。希望这些信息能帮助你更好地理解和使用该项目。