首页
/ nutonomy_pointpillars 项目教程

nutonomy_pointpillars 项目教程

2024-08-17 18:12:58作者:幸俭卉

项目介绍

nutonomy_pointpillars 是一个开源项目,旨在将 PointPillars Pytorch 模型转换为 ONNX 格式,以便使用 TensorRT 进行加速推理。PointPillars 是一种用于点云数据中目标检测的快速编码器,该项目基于 nuTonomy/second.pytorch 实现,并针对 KITTI 数据集进行了优化。

项目快速启动

环境准备

  1. 拉取 Docker 环境

    docker pull smallmunich/suke_pointpillars:v1
    
  2. 启动 Docker 环境并激活 Conda 环境

    docker run -it smallmunich/suke_pointpillars:v1
    conda activate pointpillars
    

代码克隆与安装

  1. 克隆代码

    git clone https://github.com/SmallMunich/nutonomy_pointpillars.git
    
  2. 安装 Python 包

    conda create -n pointpillars python=3.6 anaconda
    source activate pointpillars
    conda install shapely pybind11 protobuf scikit-image numba pillow
    conda install pytorch torchvision -c pytorch
    conda install google-sparsehash -c bioconda
    
  3. 设置环境变量

    NUMBAPRO_LIBDEVICE=/usr/local/cuda/nvvm/libdevice
    export PYTHONPATH=$PYTHONPATH:/your_root_path/nutonomy_pointpillars/
    

数据准备

  1. 下载 KITTI 数据集并创建目录结构

    └── KITTI_DATASET_ROOT
        ├── training <-- 7481 train data
        │   ├── image_2 <-- for visualization
        │   ├── calib
        │   ├── label_2
        │   ├── velodyne
        │   └── velodyne_reduced <-- empty directory
        └── testing <-- 7580 test data
            ├── image_2 <-- for visualization
            ├── calib
            ├── velodyne
            └── velodyne_reduced <-- empty directory
    
  2. 创建 KITTI 信息文件

    python create_data.py create_kitti_info_file --data_path=KITTI_DATASET_ROOT
    
  3. 创建简化点云数据

    python create_data.py create_reduced_point_cloud --data_path=KITTI_DATASET_ROOT
    

应用案例和最佳实践

应用案例

nutonomy_pointpillars 主要应用于自动驾驶领域中的目标检测任务,特别是在处理点云数据时,能够提供快速且高效的推理性能。通过将 Pytorch 模型转换为 ONNX 格式并使用 TensorRT 进行加速,可以显著提升推理速度,适用于实时应用场景。

最佳实践

  1. 模型转换

    • 将 Pytorch 模型转换为 ONNX 格式,以便使用 TensorRT 进行加速推理。
    • 使用提供的 Docker 环境,简化环境配置过程。
  2. 性能优化

    • 确保使用最新版本的 TensorRT 和相关依赖库。
    • 对点云数据进行预处理,减少数据量,提高处理速度。

典型生态项目

nuTonomy/second.pytorch

nutonomy_pointpillars 基于 nuTonomy/second.pytorch 实现,second.pytorch 是一个用于点云数据中目标检测的 Pytorch 实现库,提供了丰富的功能和优化策略。

TensorRT

TensorRT 是 NVIDIA 推出的高性能深度学习推理引擎,支持多种深度学习框架,能够显著提升推理性能。nutonomy_pointpillars 利用 TensorRT 进行加速推理,提高处理速度。

ONNX

ONNX (Open Neural Network Exchange) 是一个开放的深度学习模型交换格式,支持不同深度学习框架之间的模型转换。nutonomy_pointpillars 使用 ONNX 格式进行模型转换,便于在不同平台上进行部署和优化。

通过以上模块的介绍和实践,您可以快速上手 nutonomy_pointpillars 项目,并在实际应用中获得高效的点云目标

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
869
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
328
377
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
28
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58