【PDV环境配置 Linux18.04 3090Ti 】Point Density-Aware Voxels for LiDAR 3D Object Detection
题目：Point Density-Aware Voxels for LiDAR 3D Object Detection
论文地址：https://arxiv.org/abs/2203.05662
代码地址：https://github.com/TRAILab/PDV
文章目录
-
题目：基于点密度的体素格式用于LiDAR三维物体检测的研究
-
环境准备
-
第一步是准备安装环境。
-
第二步是进行软件配置。
- 首先，请创建一个conda开发环境。
- 接下来，请通过conda工具完成pytorch库的安装。
- 然后，请按照官方文档指导完成spconv1.2.1的安装步骤。
- 最后，请完成上述所有准备工作后，请依次完成依赖包和pcdet的安装。
-
3.PDV模型的训练与测试
-
- 3.1 构建与训练模型
- 3.2 执行对应的demos文件
- 3.2.1 确保开发环境配置正确
-
模型参数保存至指定路径并完成初步验证
* 3.3 测试 -
4. 调试记录
-
- 4.1 数据预处理阶段
- 4.2 PDV训练环节
-
- 4.2.1 细节错误信息记录
-
- 4.2.2 在运行测试脚本时的错误提示
- 4.2.3 其他异常情况
-
1.环境准备
- Ubuntu18.04
- RTX 3090Ti
- python 3.8
- pytorch 1.8.0
- CUDA 11.1
- CUDNN 8.0.5
2.安装环境
2.1 创建conda环境
Python版本至关重要，在此方案中，spconv2要求Python版本在3.6至3.9之间（即>= 3.6且< 3.9），而PCDet则要求Python版本不低于3.8。因此选择Python 3.8版更为合适。
1 | conda create -n pdv python=3.8 #创建pdv虚拟环境
1 | conda activate pdv #激活环境2.2 安装pytorch
根据网上说的，3090Ti需要的最低的CUDA版本必须是CUDA11.1，所以选择对应版本。
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
python # 进入python环境
import torch
torch.cuda.is_available() # 如果返回true，则说明pytorch安装成功2.3 spconv1.2.1安装
为了避免后面安装出错，先安装spconv
# cd 先进入PDV文件，执行
git clone -b v1.2.1 https://github.com/traveller59/spconv.git --recursive
# 进入spconv
cd spconv/有时在下载过程中出现问题时可以直接使用spconv 2.0版本并可直接从网络上获取该版本软件包然后按照以下步骤操作：首先需要移除第三目录下的cutlass mp 4 和pybind 5这三个空文件夹随后可以从网络上获取该软件包进行解压并将解压后的软件安装路径放置到第三目录中即可完成安装
sudo apt-get install libboost-all-dev
#或者
sudo apt-get install aptitude
sudo aptitude install libboost-all-dev
#####
python setup.py bdist_wheel
cd dist/
pip install spconv-1.2.1-cp38-cp38-linux_x86_64.whl验证spconv是否安装成功，无报错即可。
python
import spconv2.4 安装依赖包
注：需要注意的是，在requirements.txt文件中应该移除torch==1.7.1这一行（因为之前使用的pytorch版本是1.8.0）。在运行代码时可能会担心会不会出现什么问题吗？
pip install -r requirements.txt2.5 安装pcdet
# cd切换至setup.py所在的文件夹下
python setup.py develop
# 验证是否安装成功pcdet，不报错说明安装成功
python
import pcdt3.PDV模型训练及测试
3.1 训练模型
cd tools/
# 单卡训练
python train.py --cfg_file cfgs/kitti_models/pdv.yaml
# 若要指定batch_size和epochs等参数，用以下代码
python train.py --cfg_file ./cfgs/kitti_models/pdv.yaml --batch_size 4 --epochs 50
# 多卡训练
CUDA_VISIBLE_DEVICES=5,6,7 python -m torch.distributed.launch --nproc_per_node=3 tools/train.py --cfg_file tools/cfgs/kitti_models/pdv.yaml --launcher pytorch
sh scripts/dist_train.sh 8 --cfg_file tools/cfgs/kitti_models/pdv.yaml3.3 运行demo.py
3.3.1 安装工具mayavi
首先，安装可视化工具mayavi
pip install mayavi
# 不报错说明安装成功
python
import mayavi最后，运行demo.py，使用cd tools/切换至tools文件夹：
python demo.py --cfg_file cfgs/kitti_models/pdv.yaml --ckpt ../output/kitti_models/pdv/default/ckpt/checkpoint_epoch_80.pth --data_path ../data/kitti/training/velodyne/000000.bin注意：这一步出错比较多，Debug部分有详细说明。
3.3.2 tensorBoard可视化
查看损失函数图像
pip install tensorboardX
pip install tensorflow接下来，在指定路径../output/kitti_models/pdv/default/tensorboard目录中打开终端界面，并启动pdv虚拟环境。
cd output/kitti_models/pdv/default/
tensorboard --logdir tensorboard/
# 或者
tensorboard --logdir=/home/..../output/kitti_models/pdv/default/tensorboard打开浏览器输入http://localhost:6006/，查看训练过程中的损失函数可视化。
3.3 测试
运行test.py脚本验证模型在测试集上的性能
cd tools
python test.py --cfg_file cfgs/kitti_models/pdv.yaml --batch_size 4 --ckpt ../output/kitti_models/pdv/default/ckpt/checkpoint_epoch_79.pthbatch_size可根据自己的需要调整。
4. Debug记录
4.1 数据预处理
生成数据pkl文件和gt_database文件时，
python -m pcdet.datasets.kitti.kitti_dataset create_kitti_infos tools/cfgs/dataset_configs/kitti_dataset.yaml报错信息：
dataset_cfg = EasyDict(yaml.load(open(sys.argv[2])))
TypeError: load() missing 1 required positional argument: 'Loader'报错原因： 从.yaml 5.1版本开始，已停止采用load函数用于读取文件内容；转而采用load函数并指定FullLoader加载器。
将dataset_cfg = EasyDict(yaml.load(open(args.cfg_file)))
修改为：
dataset_cfg = EasyDict(yaml.load(open(args.cfg_file),Loader = yaml.FullLoader))
或者修改后为：
with open(sys.argv[2],"r") as f:
dataset_cfg = EasyDict(yaml.load(f,Loader=yaml.FullLoader))
# 这里要注意缩进，是四个空格，建议不要用tab键可能会出现问题。4.2 PDV训练过程
4.2.1 完整报错信息
TypeError: Descriptors cannot be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
1. Downgrade the protobuf package to 3.20.x or lower.
2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).解决办法：有人建议将protobuf升级为更低版本。首先使用pip命令行工具将其旧版本删除。尝试更替新版本3.19.0时出现错误。更替最新可用的3.20版本后代码正常运行。
pip uninstall protobuf
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple protobuf==3.20.04.2.2 运行demo.py报错
错误1：
WARNING: Imported VTK version (9.3) does not match the one used
to build the TVTK classes (9.2). This may cause problems.
Please rebuild TVTK.解决办法：卸载高版本的vtk，再安装正确的版本
pip uninstall vtk==9.3
pip install vtk==9.2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple/特别提醒：在使用Python时，请注意以下事项——首先尝试安装pip install vtk==9.2 -i https://pypi.t tuna.tsinghua.edu.cn/simple/可能会遇到问题；如果遇到错误提示，请尝试重新安装，并确保使用正确的版本号进行操作以避免类似问题再次发生
错误2：
File "demo.py", line 83, in main
model.load_params_from_file(filename=args.ckpt, logger=logger, to_cpu=True)
File "/home/teng/projects/PDV/pcdet/models/detectors/detector3d_template.py", line 335, in load_params_from_file
raise FileNotFoundError
FileNotFoundError
在实际应用中，通常会遇到两种主要的问题：一是路径设置不当导致无法正常运行；二是参数配置错误引发功能异常。仔细排查后可找出原因并解决问题
错误3：
提示没有安装可视化界面：
raise ImportError(msg)
ImportError: Could not import backend for traitsui. Make sure you
have a suitable UI toolkit like PyQt/PySide or wxPython
installed.
通过pip进行安装：
pip install pyqt5完成后再运行demo.py，
python demo.py --cfg_file cfgs/kitti_models/pdv.yaml --ckpt ../output/kitti_models/pdv/default/ckpt/checkpoint_epoch_80.pth --data_path ../data/kitti/training/velodyne/000008.bin运行成功，并显示3D可视化界面。
4.2.2 其他报错
ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
matplotlib 3.7.4 requires numpy<2,>=1.20, but you have numpy 1.18.5 which is incompatible.
pandas 2.0.3 requires numpy>=1.20.3; python_version < "3.10", but you have numpy 1.18.5 which is incompatible.由于本代码要求安装numpy 1.18.5版，并且考虑到其他两个软件包当前使用的最新稳定版可能已经过时，请考虑降级到较旧的稳定版并重新配置新的软件包设置。
pip uninstall pandas # 卸载旧版本
pip install pandas==1.3.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip uninstall matplotlib # 卸载旧版本
pip install matplotlib==3.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple参考：
个人博客：
华为云技术分享：
详细解析：