【RandLA-Net】基于自建数据训练大场景语义分割网络RandLA-Net

0. 相关文章

PointNet模型搭建
基于自建数据训练PointNet分割网络
【PointNet++】PointNet++复现（PyTorch版本）
【PointNet++】基于自建数据训练PointNet++场景语义分割网络
【RandLA-Net】大场景语义分割网络RandLA-Net复现

1. 实验条件

Ubuntu 22.04，RTX 3090

2. 代码

仓库地址：https://github.com/QingyongHu/RandLA-Net/tree/master

可选的下载方式：

git clone --depth=1 https://github.com/QingyongHu/RandLA-Net.git

目录结构：

3. 数据集

采用自采自建的隧道数据集，数据集及数据制作过程参考【PointNet++】基于自建数据训练PointNet++场景语义分割网络

4. 环境搭建

python3.6.13 + tensorflow1.14.0 + cuda12.1

1. 初始化环境

   conda create -n myrandlanet python=3.6
   conda activate myrandlanet
   

2. 安装相关依赖

   pip install numpy==1.19.5 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
   pip install h5py~=3.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
   pip install cython==0.29.15 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
   pip install open3d-python==0.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
   pip install pandas==1.1.5 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
   pip install scipy==1.5.4 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
   pip install scikit-learn==0.21.3 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
   pip install PyYAML==6.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
   pip install tensorflow-gpu==1.14 -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
   conda install cudatoolkit=11.2 cudnn=8.1 -c=conda-forge
   pip install keras==2.6.0
   

3. 编译相关函数

   cd 路径/myrandlanet
   sh compile_op.sh
   

4. 数据集预处理

   cd 路径/myrandlanet/utils
   python data_prepare_s3dis.py
   

5. 训练模型

5.1 修改数据相关文件

1. data_utils/meta/anno_paths.txt文件修改

   在anno_paths.txt文件中写入数据集Annotations文件夹路径即可，本文采用新建my_anno_paths.txt文件的方式，文件内容如图所示：

   

2. data_utils/meta/class_names.txt文件修改

   在class_names.txt文件中添加场景的语义类别，本文采用新建my_class_names.txt文件的方式，在文件中写入数据集所使用的语义类别，文件内容如图所示：

   

3. data_prepare_s3dis文件修改

   修改anno_paths和gt_class路径：

   

   修改dataset_path路径：

   

5.2 修改main_S3DIS脚本

数据集名称、数据集路径、数据集类别

5.3 helper_tool脚本

我们使用的是S3DIS数据集，因此只需要修改对应的class即可，如图所示圈出的部分为数据集中的数据类数量，根据自己数据集自行修改，其他配置项根据实验设备性能进行调整

此外，还有类别权重需要修改，根据自己的标签数量修改，也可新添加一个分支

5.4 数据预处理

cd 路径/myrandlanet/utils
python data_prepare_s3dis.py

5.5 训练模型

cd 路径/myrandlanet
python -B main_S3DIS.py --gpu 0 --mode train --test_area 1

6. 测试模型

cd 路径/myrandlanet
python -B main_S3DIS.py --gpu 0 --mode test --test_area 2

7. 可视化测试结果

在可视化之前首先需要对6_fold_cv脚本进行修改：

1. 修改路径

   

   base_dir路径中是test测试之后生成的.ply文件目录路径，original_data_dir是预处理后的生成的original_ply目录路径

2. 修改标签数量

   

   

最后运行6_fold_cv脚本

python utils/6_fold_cv.py

可视化的结果如下：

原始数据：

标注数据：

预测数据：

8.可能会遇到的问题

tensorflow版本问题
tensorflow版本问题
其他问题，这个本文在训练时出现，通过排查是数据集路径构建错了，传入的数据为空，所以这样的报错