6-DoF GraspNet 开源项目安装与使用指南

1. 项目目录结构及介绍

6-DoF GraspNet 是一个用于生成六自由度抓取姿态的深度学习模型，基于 TensorFlow 和 Python 实现。以下是项目的主要目录结构和关键文件说明：

6dof-graspnet/
├── cfgs                    # 配置文件夹，包含了网络训练和测试的相关配置。
├── demo                    # 示例代码，用于运行预训练模型进行抓取演示。
│   ├── main.py             # 示例主程序，支持不同类型的抓取策略执行。
├── models                  # 模型定义文件夹，存放神经网络架构。
├── grasp_data_reader.py    # 数据读取器，用于处理抓取数据。
├── grasp_estimator.py      # 抓取估计器，核心组件，负责预测抓取姿态。
├── requirements.txt        # 项目所需Python库列表，用于环境搭建。
├── train.py                # 训练脚本，用于训练条件变分自编码器（CVAE）和评估器。
├── eval.py                 # 评估脚本，进行定量评估。
└── ...

重要文件说明:

• demo/main.py: 运行示例抓取演示。
• train.py: 分别对CVAE和评价网络进行训练的脚本。
• grasp_data_reader.py: 处理和可视化数据的关键脚本。

2. 项目启动文件介绍

运行演示

主要通过命令行来启动项目中的演示部分，例如：

python demo/main.py

此命令将使用默认设置执行抓取演示，采用Metropolis-Hastings采样进行优化。若要使用梯度为基础的优化方法，则可以添加参数：

python demo/main.py --gradient_based_refinement

训练模型

训练分为两步，首先训练CVAE，然后是评估网络。以训练评估网络为例：

python train.py \
--train_evaluator 1 \
--dataset_root_folder $DATASET_ROOT_FOLDER \
--logdir $EVALUATOR_TRAINING_FOLDER \
--ngpus 1

这里的 $DATASET_ROOT_FOLDER 和 $EVALUATOR_TRAINING_FOLDER 需要替换为你自己的数据集路径和日志保存目录。

3. 项目的配置文件介绍

配置文件主要位于 cfgs 目录下，每个配置文件都是.py格式，用于控制模型训练、评估的具体参数。例如，你可以修改学习率、批次大小、网络结构细节等。主要的配置调整在进行实验或模型微调时非常关键。

• 示例配置文件: 如 cfgs/default.yaml 可能包含了模型的基本训练参数。
• 自定义配置: 用户可以根据需要修改这些配置文件以适应不同的实验需求，比如改变网络的学习率、批次大小、训练轮数等。

在开始任何训练或演示之前，确保理解配置文件中各参数的意义，并根据硬件环境和实验目标进行适当调整。记得查看项目文档和GitHub仓库提供的详细说明来获得更多信息。