<!--
* @Description:
* @Author: HCQ
* @Company(School): UCAS
* @Date: 2020-05-24 12:25:19
* @LastEditors: HCQ
* @LastEditTime: 2020-05-24 12:58:13
-->
# RandLA-Net-Enhanced
原代码论文主要贡献:提出更快的点云语义分割模型。
* 对比现有的采样方法,发现随机采样最好。
* 为了减小随机采样丢失的信息,提出局部特征采样器,包括 Local Spatial Encoding (LocSE) 和 Attentive Pooling。
下为此代码对应文献信息。
```latex
@article{hu2019randla,
title={RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds},
author={Hu, Qingyong and Yang, Bo and Xie, Linhai and Rosa, Stefano and Guo, Yulan and Wang, Zhihua and Trigoni, Niki and Markham, Andrew},
journal={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
year={2020}
}
```
此代码基于[https://github.com/QingyongHu/RandLA-Net](https://github.com/QingyongHu/RandLA-Net)优化
优化参与人员:@Junqi Diao, @Chuanqing Zhuang,@Guangtian Shi, @Yidi Li,@Chongqing Huang
## 项目结构
项目结构如下
![image.png](https://cdn.nlark.com/yuque/0/2020/png/232596/1590232669705-548ef760-7040-4f2c-935e-1bb95ff563ee.png#align=left&display=inline&height=459&margin=%5Bobject%20Object%5D&name=image.png&originHeight=700&originWidth=456&size=52133&status=done&style=none&width=299)
### 重点文件说明
| **文件** | **作用** |
| --- | --- |
| helper_tf_util.py | 封装了一些卷积池化操作代码 |
| helper_tool.py | 有训练时各个数据集所用到的一些参数信息,还有一些预处理数据时的一些模块。 |
| main_SemanticKITTI.py | 训练对应数据的主文件 |
| RandLANet.py | 定义网络的主题结构 |
| tester_SemanticKITTI.py | 测试对应数据的文件,该文件在main_SemanticKITTI.py中被调用 |
| utils | 该文件夹里面有对数据集预处理的模块以及KNN模块。 |
### ☆Tips
- `jobs_test_semantickitti.sh` **在测试集上评估时,会在result文件夹中日期最近的文件夹内根据checkpoint记录寻找模型参数文件**
## 重点说明
压缩包下面有**四个文件夹分别对应报告中第三部分的四处尝试优化点**,下表为不同文件夹对应的优化点:
| **文件夹** | **优化点** |
| --- | --- |
| RandLA-Net-[4,4,4,2,2] | 使用五层网络的下采样优化 |
| RandLA-Net-[4,4,4,4,2] | 使用五层网络的下采样优化 |
| RandLA-Net-normals | 增添法向量估计 |
| RandLA-Net-square | 使用内积替换欧式距离 |
下面代码安装和运行方式步骤中,1-3步为通用步骤,**4-6步进入每个文件夹下都要对应执行一次。**
## 代码安装&运行方式
配置环境:Python 3.5, Tensorflow 1.11, CUDA 9.0 and cuDNN 7.3.1 on Ubuntu 16.04.
### 1. 仓库clone
```powershell
git clone --depth=1 https://github.com/HuangCongQing/RandLA-Net-Enhanced && cd RandLA-Net-Enhanced
```
### 2. python运行环境配置
```powershell
conda create -n randlanet python=3.5
source activate randlanet
conda install cudatoolkit=9.0 cudnn=7.3.1
pip install -r helper_requirements.txt
sh compile_op.sh
pip install tensorflow-gpu==1.11
```
### 3. SemanticKITTI数据集下载
下载链接:[http://semantic-kitti.org/dataset.html#download](http://semantic-kitti.org/dataset.html#download)
下载内容包含下图中4个文件包。下载完成后,并将其解压至`/data/semantic_kitti/dataset`
![image.png](https://cdn.nlark.com/yuque/0/2020/png/232596/1590214973455-420b2721-ecaa-4396-8d02-a222b7705c1d.png#align=left&display=inline&height=489&margin=%5Bobject%20Object%5D&originHeight=489&originWidth=1484&size=0&status=done&style=none&width=1484)
### 4. 数据集预处理
```powershell
python utils/data_prepare_semantickitti.py
```
### 5. 模型训练
```powershell
python main_SemanticKITTI.py --mode train --gpu 0
```
### 6. 模型测试
```powershell
sh jobs_test_semantickitti.sh
```
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
RandLA-Net-Enhanced 原代码论文主要贡献:提出更快的点云语义分割模型。 对比现有的采样方法,发现随机采样最好。 为了减小随机采样丢失的信息,提出局部特征采样器,包括 Local Spatial Encoding (LocSE) 和 Attentive Pooling。 下为此代码对应文献信息。 @article{hu2019randla, title={RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds}, author={Hu, Qingyong and Yang, Bo and Xie, Linhai and Rosa, Stefano and Guo, Yulan and Wang, Zhihua and Trigoni, Niki and Markham, Andr
资源推荐
资源详情
资源评论
收起资源包目录
RandLA-Net-Enhanced:RandLA-Net改进版 (186个子文件)
checkpoint 1KB
checkpoint 902B
checkpoint 691B
checkpoint 648B
knn.cpp 396KB
knn.cpp 396KB
knn.cpp 396KB
wrapper.cpp 8KB
wrapper.cpp 8KB
wrapper.cpp 8KB
wrapper.cpp 8KB
grid_subsampling.cpp 3KB
grid_subsampling.cpp 3KB
grid_subsampling.cpp 3KB
grid_subsampling.cpp 3KB
cloud.cpp 958B
cloud.cpp 958B
cloud.cpp 958B
cloud.cpp 958B
knn_.cxx 7KB
knn_.cxx 7KB
knn_.cxx 7KB
knn_.cxx 7KB
snap-248665.data-00000-of-00001 57.21MB
snap-105205.data-00000-of-00001 57.21MB
snap-181717.data-00000-of-00001 14.24MB
snap-95641.data-00000-of-00001 14.24MB
SemanticKITTI-2.gif 20.54MB
SemanticKITTI-2.gif 20.54MB
SemanticKITTI-2.gif 20.54MB
SemanticKITTI-2.gif 20.54MB
S3DIS_area3.gif 16.88MB
S3DIS_area3.gif 16.88MB
S3DIS_area3.gif 16.88MB
S3DIS_area3.gif 16.88MB
S3DIS_area2.gif 8.99MB
S3DIS_area2.gif 8.99MB
S3DIS_area2.gif 8.99MB
S3DIS_area2.gif 8.99MB
Semantic3D-1.gif 7.87MB
Semantic3D-1.gif 7.87MB
Semantic3D-1.gif 7.87MB
Semantic3D-1.gif 7.87MB
Semantic3D-2.gif 4.39MB
Semantic3D-2.gif 4.39MB
Semantic3D-2.gif 4.39MB
Semantic3D-2.gif 4.39MB
.gitattributes 91B
.gitattributes 91B
.gitattributes 91B
.gitattributes 91B
.gitignore 6B
.gitignore 6B
.gitignore 6B
.gitignore 6B
KDTreeTableAdaptor.h 8KB
KDTreeTableAdaptor.h 8KB
KDTreeTableAdaptor.h 8KB
KDTreeTableAdaptor.h 8KB
cloud.h 2KB
cloud.h 2KB
cloud.h 2KB
cloud.h 2KB
grid_subsampling.h 2KB
grid_subsampling.h 2KB
grid_subsampling.h 2KB
grid_subsampling.h 2KB
knn_.h 1KB
knn_.h 1KB
knn_.h 1KB
knn_.h 1KB
nanoflann.hpp 71KB
nanoflann.hpp 71KB
nanoflann.hpp 71KB
nanoflann.hpp 71KB
nanoflann.hpp 71KB
nanoflann.hpp 71KB
nanoflann.hpp 71KB
nanoflann.hpp 71KB
snap-248665.index 26KB
snap-105205.index 26KB
snap-181717.index 21KB
snap-95641.index 21KB
LICENSE 19KB
LICENSE 19KB
LICENSE 19KB
LICENSE 19KB
README.md 4KB
snap-248665.meta 4.29MB
snap-105205.meta 4.28MB
snap-95641.meta 3.57MB
snap-181717.meta 3.49MB
demo_cover.png 500KB
demo_cover.png 500KB
demo_cover.png 500KB
demo_cover.png 500KB
Fig3.png 230KB
Fig3.png 230KB
Fig3.png 230KB
Fig3.png 230KB
共 186 条
- 1
- 2
资源评论
MachineryLy
- 粉丝: 29
- 资源: 4611
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 上市公司-人工智能的采纳程度面板数据(2003-2021年).xlsx
- 第5章spring-mvc请求映射处理
- 2023-04-06-项目笔记 - 第一百十六阶段 - 4.4.2.114全局变量的作用域-114 -2024.04.27
- app-release.apk.1
- soap json 等系列化方式
- c++的五子棋代码,在vs6.0上完美运行
- 基于Javaee的影视创作论坛的设计与实现.rar
- Python导出Mysql数据字典(部分表或全表)
- Java工具类实现输入一个路径,强创建路径、并且鉴权目标路径是否具备修改权限,用于增强程序的健壮性与稳定性,快速开发!
- 资源【STM32+HAL】三轴按键PS2摇杆
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功