CenterPoint项目下载及安装教程

1. 项目介绍

CenterPoint是一个基于TensorRT的Lidar检测模型项目。该项目实现了CenterPoint模型，该模型使用鸟瞰图中的中心点进行3D对象检测。项目代码根据原CenterPoint项目编写，并且增加了TensorRT的部署，以提高模型的推理速度。

2. 项目下载位置

项目托管在GitHub上，您可以在此处找到项目代码：CenterPoint。

3. 项目安装环境配置

在开始安装之前，确保您的系统中已安装了以下依赖项：

• TensorRT（版本：8.0.1.6）
• CUDA（版本：11.3）

以下是环境配置的步骤，以及相应的截图示例：

### 步骤 1：克隆项目
打开终端，使用以下命令克隆项目：

```bash
git clone https://github.com/HaohaoNJU/CenterPoint.git

步骤 2：安装依赖

进入项目目录后，使用以下命令安装项目所需的依赖：

cd CenterPoint
pip install -r requirements.txt

请注意，`image_path克隆项目`和`image_path安装依赖`需要替换为实际的图片路径。

## 4. 项目安装方式
项目提供了两种安装方式：直接从ONNX模型创建TensorRT引擎，或者从已保存的序列化引擎文件加载。

以下是创建TensorRT引擎的步骤：

```markdown
### 创建TensorRT引擎
1. 导出ONNX模型：

```bash
python3 export_onnx.py --config waymo_centerpoint_pp_two_pfn_stride1_3x.py --ckpt your_model.pth --pfe_save_path pfe.onnx --rpn_save_path rpn.onnx

2. 生成TensorRT序列化引擎：

python3 create_engine.py --config waymo_centerpoint_pp_two_pfn_stride1_3x.py --pfe_onnx_path pfe.onnx --rpn_onnx_path rpn.onnx --pfe_engine_path pfe_fp.engine --rpn_engine_path rpn_fp.engine

请注意，上述代码中的your_model.pth需要替换为您自己的模型路径。

## 5. 项目处理脚本
项目中的`run.sh`脚本用于执行模型的推理。以下是使用该脚本的示例：

```markdown
### 运行推理
使用以下命令运行推理：

```bash
bash run.sh

该脚本会执行模型推理，并将结果保存到指定的目录中。

以上就是CenterPoint项目的下载和安装教程。希望对您有所帮助！