首页
/ PointNetGPD 开源项目教程

PointNetGPD 开源项目教程

2024-09-20 13:33:58作者:鲍丁臣Ursa

1. 项目介绍

PointNetGPD 是一个用于从点云数据中直接检测抓取配置的端到端抓取评估模型。该项目由 Hongzhuo Liang 等人开发,并在 ICRA 2019 上发表。PointNetGPD 的主要目标是解决从点云数据中直接定位机器人抓取配置的挑战性问题。与基于手工深度特征和卷积神经网络(CNN)的最近抓取评估方法相比,PointNetGPD 更加轻量级,并且能够直接处理位于夹爪内的 3D 点云数据进行抓取评估。

2. 项目快速启动

2.1 环境准备

在开始之前,确保你的系统已经安装了以下依赖:

  • Python 3.10
  • PyTorch
  • PCL (Point Cloud Library)
  • ROS (可选,用于机器人抓取)

2.2 安装步骤

  1. 克隆项目仓库

    git clone https://github.com/lianghongzhuo/PointNetGPD.git
    cd PointNetGPD
    
  2. 设置环境变量

    ~/.bashrc 文件中添加以下内容:

    export PointNetGPD_FOLDER=$HOME/code/PointNetGPD
    
  3. 安装依赖

    使用虚拟环境安装依赖:

    conda create -n pointnetgpd python=3.10 numpy ipython matplotlib opencv mayavi -c conda-forge
    conda activate pointnetgpd
    pip install -r requirements.txt
    
  4. 安装 PCL 工具

    sudo apt install pcl-tools
    
  5. 安装 PyTorch

    根据你的 CUDA 版本安装 PyTorch:

    pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
    
  6. 安装修改后的 meshpy 和 dex-net

    cd $PointNetGPD_FOLDER/meshpy
    python setup.py develop
    cd $PointNetGPD_FOLDER/dex-net
    python setup.py develop
    

2.3 数据准备

  1. 下载数据集

    你可以从以下链接下载数据集:

    wget https://tams.informatik.uni-hamburg.de/research/datasets/PointNetGPD_grasps_dataset.zip
    unzip PointNetGPD_grasps_dataset.zip
    mv ycb_grasp $PointNetGPD_FOLDER/PointNetGPD/data/
    
  2. 生成点云数据

    使用以下命令生成点云数据:

    cd $PointNetGPD_FOLDER/PointNetGPD
    python ycb_cloud_generate.py
    

2.4 训练模型

  1. 启动 TensorBoard

    tensorboard --logdir=/assets/log --port=8080
    
  2. 运行训练脚本

    python main_1v.py --epoch 200 --mode train --batch-size 16
    

3. 应用案例和最佳实践

3.1 机器人抓取

PointNetGPD 可以应用于机器人抓取任务中,通过从点云数据中直接检测抓取配置,帮助机器人实现自主抓取。以下是一个简单的应用案例:

  1. 启动感知节点

    cd $PointNetGPD_FOLDER/dex-net/apps
    python kinect2grasp.py --cuda --gpu 0 --model_type 750
    
  2. 执行抓取

    使用 ROS 控制机器人执行抓取:

    roslaunch panda_go_grasp go_grasp.launch
    

3.2 最佳实践

  • 数据集准备:确保数据集的质量和多样性,以提高模型的泛化能力。
  • 超参数调优:根据具体任务调整训练超参数,如学习率、批量大小等。
  • 模型评估:在训练过程中使用验证集评估模型性能,及时调整模型结构和参数。

4. 典型生态项目

4.1 Dex-Net

Dex-Net 是一个用于机器人抓取的深度学习框架,与 PointNetGPD 结合使用可以进一步提升抓取性能。

4.2 MeshPy

MeshPy 是一个用于处理 3D 网格数据的 Python 库,PointNetGPD 使用 MeshPy 进行点云数据的预处理。

4.3 PCL (Point Cloud Library)

PCL 是一个用于处理点云数据的开源库,PointNetGPD 使用 PCL 进行点云数据的处理和可视化。

通过结合这些生态项目,可以进一步提升 PointNetGPD 在机器人抓取任务中的表现。

项目优选

收起
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
411
313
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
87
153
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
45
107
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
50
13
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
267
390
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TSX
299
28
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
86
236
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
620
70
carboncarbon
轻量级、语义化、对开发者友好的 golang 时间处理库
Go
7
2
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
341
197