【亲测免费】 【小白入门】全面指南：搭建ScanObjectNN——真实世界点云分类新基准

一、项目基础介绍与主要编程语言

项目名称：ScanObjectNN
项目地址：https://github.com/hkust-vgd/scanobjectnn.git
核心语言：Python, C++

ScanObjectNN是一款专为解决真实世界点云分类挑战而设计的开源项目。它提供了新的基准数据集，含有约15,000个物体，分为15个类别，并包括了在实际扫描数据上前所未有的部分注释，这为研究人员和开发者带来了全新的挑战和机遇。项目基于Python进行实现，同时也涉及到C++的使用，特别是在深度学习模型的底层优化部分。

二、关键技术与框架

• 深度学习框架：TensorFlow（版本1.10推荐）
• 点云处理方法：借鉴了PointNet++, DGCNN, SpiderCNN等前沿点云处理技术。
• 数据格式：重点处理.h5和原始的.bin格式的点云数据，支持点云特征的存储与访问。
• 关键库依赖：h5py, scipy, sklearn等，用于数据处理和模型训练。

三、安装与配置详细步骤

准备工作

1. 环境设置：

   • 安装Python 3.5及其以上的环境。
   • 确保系统已安装CUDA 9.0以及对应的cuDNN库，这是运行TensorFlow GPU版本的必备条件。

2. 虚拟环境建议： 使用conda或virtualenv创建一个隔离的Python环境以避免包冲突。

   conda create --name scanobjnn python=3.6
   conda activate scanobjnn
   

步骤一：获取源代码

从GitHub克隆项目：

git clone https://github.com/hkust-vgd/scanobjectnn.git
cd scanobjectnn

步骤二：安装依赖

利用requirements.txt文件安装必要的Python库：

pip install -r requirements.txt

步骤三：编译TF操作

特别注意，对于pointnet2/和SpiderCNN/子目录中的自定义操作，需要手动编译：

1. 进入相应目录，如pointnet2/。
2. 根据提供的说明执行编译脚本，可能需要调整Makefile以匹配本地环境。

步骤四：下载数据集

1. 访问项目页面或README中的指示，找到数据集下载链接。
2. 下载相应的.zip文件，解压缩到项目指定的路径下，确保正确配置数据指向。

步骤五：配置环境变量与数据路径

确保代码能够找到数据集，如果需要，可以在代码中或通过环境变量指定数据存放位置。

步骤六：开始训练与评估

进入相应的模型文件夹，例如要训练PointNet++模型，操作如下：

cd pointnet2
python train.py

对于特定的命令行参数，可以通过添加-h选项查看帮助信息。

步骤七：验证模型

完成训练后，可使用提供的评估脚本检查性能：

python evaluate_scenennobjects.py

至此，您已经成功搭建并初步测试了ScanObjectNN项目。记得根据具体需求调整配置，享受探索真实世界点云分类的乐趣吧！