基于Open3D的Lidar-Segment

1. Open3D-ML安裝和使用

首先對于Open3d，我們要先對源碼下載

# make sure you have the latest pip version
pip install --upgrade pip
# install open3d
pip install open3d

然后選擇要安裝兼容版本的PyTorch或TensorFlow，Open3d中提供了兩種安裝方式：

# To install a compatible version of TensorFlow
pip install -r requirements-tensorflow.txt
# To install a compatible version of PyTorch with CUDA
pip install -r requirements-torch-cuda.txt

這里作者選擇的是Pytorch，因?yàn)樽髡邔ytorch比較熟悉，然后使用下面命令測試Open3d是否安裝成功

# with PyTorch
python -c "import open3d.ml.torch as ml3d"
# or with TensorFlow
python -c "import open3d.ml.tf as ml3d"

下面我們可以下載數(shù)據(jù)集進(jìn)行測試了

SemanticKITTI (project page)

Toronto 3D (github)

Semantic 3D (project-page)

S3DIS (project-page)

Paris-Lille 3D (project-page)

Argoverse (project-page)

KITTI (project-page)

Lyft (project-page)

nuScenes (project-page)

Waymo (project-page)

ScanNet(project-page)

這里選擇了SemanticKITTI的數(shù)據(jù)集進(jìn)行測試

# Launch training for RandLANet on SemanticKITTI with torch.
python scripts/run_pipeline.py torch -c ml3d/configs/randlanet_semantickitti.yml --dataset.dataset_path  --pipeline SemanticSegmentation --dataset.use_cache True


# Launch testing for PointPillars on KITTI with torch.
python scripts/run_pipeline.py torch -c ml3d/configs/randlanet_semantickitti.yml --split test --dataset.dataset_path data --pipeline SemanticSegmentation --dataset.use_cache True --batch_size 16

雖然官方提供的predefined scripts非常便捷，但是既然我們裝好了Open3d，那我們就可以通過自己編寫代碼的方式來完成。

2. 基于Open3d的二次開發(fā)

下面將展示如何自己去調(diào)用Open3d的api去寫訓(xùn)練集、測試集、可視化

模型訓(xùn)練：

import os
import open3d.ml as _ml3d
import open3d.ml.torch as ml3d


cfg_file = "ml3d/configs/randlanet_semantickitti.yml"
cfg = _ml3d.utils.Config.load_from_file(cfg_file)


cfg.dataset['dataset_path'] = "./data"


dataset = ml3d.datasets.SemanticKITTI(cfg.dataset.pop('dataset_path', None), **cfg.dataset)


# create the model with random initialization.
model = ml3d.models.RandLANet(**cfg.model)


pipeline = ml3d.pipelines.SemanticSegmentation(model=model, dataset=dataset,device="cuda:0", **cfg.pipeline)


# prints training progress in the console.
pipeline.run_train()

在這里主要需要側(cè)重關(guān)注的有兩處：cfg_file和cfg.dataset['dataset_path']，這兩處分別是環(huán)境配置和數(shù)據(jù)集設(shè)置。

在randlanet_semantickitti.yml中里面包含了所有需要配置的內(nèi)容

randlanet_semantickitti.yml

dataset:
 name: Semantic3D
 dataset_path: # path/to/your/dataset
 cache_dir: ./logs/cache_small3d/
 class_weights: [5181602, 5012952, 6830086, 1311528, 10476365, 946982, 334860, 269353]
 ignored_label_inds: [0]
 num_points: 65536
 test_result_folder: ./test
 use_cache: true
 val_files:
 - bildstein_station1_xyz_intensity_rgb
 - domfountain_station1_xyz_intensity_rgb
 steps_per_epoch_train: 500
 steps_per_epoch_valid: 10
model:
 name: RandLANet
 batcher: DefaultBatcher
 ckpt_path: # path/to/your/checkpoint
 num_neighbors: 16
 num_layers: 5
 num_points: 65536
 num_classes: 8
 ignored_label_inds: [0]
 sub_sampling_ratio: [4, 4, 4, 4, 2]
 in_channels: 6
 dim_features: 8
 dim_output: [16, 64, 128, 256, 512]
 grid_size: 0.06
 augment:
  recenter:
   dim: [0, 1]
  normalize:
   feat:
    method: linear
    bias: 0
    scale: 255
  rotate:
   method: vertical
  scale:
   min_s: 0.9
   max_s: 1.1
  noise:
   noise_std: 0.001
pipeline:
 name: SemanticSegmentation
 optimizer:
  lr: 0.001
 batch_size: 2
 main_log_dir: ./logs
 max_epoch: 100
 save_ckpt_freq: 5
 scheduler_gamma: 0.9886
 test_batch_size: 1
 train_sum_dir: train_log
 val_batch_size: 2
 summary:
  record_for: []
  max_pts:
  use_reference: false
  max_outputs: 1

模型測試：

import os
import open3d.ml as _ml3d
import open3d.ml.torch as ml3d


cfg_file = "ml3d/configs/randlanet_semantickitti.yml"
cfg = _ml3d.utils.Config.load_from_file(cfg_file)


model = ml3d.models.RandLANet(**cfg.model)
cfg.dataset['dataset_path'] = "./data"
dataset = ml3d.datasets.SemanticKITTI(cfg.dataset.pop('dataset_path', None), **cfg.dataset)
pipeline = ml3d.pipelines.SemanticSegmentation(model, dataset=dataset, device="cuda:0", **cfg.pipeline)


# download the weights.
ckpt_folder = "./logs/"
os.makedirs(ckpt_folder, exist_ok=True)
ckpt_path = ckpt_folder + "randlanet_semantickitti_202201071330utc.pth"
randlanet_url = "https://storage.googleapis.com/open3d-releases/model-zoo/randlanet_semantickitti_202201071330utc.pth"
if not os.path.exists(ckpt_path):
  cmd = "wget {} -O {}".format(randlanet_url, ckpt_path)
  os.system(cmd)


# load the parameters.
pipeline.load_ckpt(ckpt_path=ckpt_path)


test_split = dataset.get_split("test")
print("len%d",test_split)
data = test_split.get_data(0)


# run inference on a single example.
# returns dict with 'predict_labels' and 'predict_scores'.
result = pipeline.run_inference(data)


# evaluate performance on the test set; this will write logs to './logs'.
pipeline.run_test()

在模型測試中和模型訓(xùn)練一樣也需要cfg_file和cfg.dataset['dataset_path']，但是同時(shí)需要加入ckpt_path作為訓(xùn)練模型的導(dǎo)入。

模型可視化

import os
import open3d.ml as _ml3d
import open3d.ml.torch as ml3d


cfg_file = "ml3d/configs/randlanet_semantickitti.yml"
cfg = _ml3d.utils.Config.load_from_file(cfg_file)
cfg.dataset['dataset_path'] = "./data"
# construct a dataset by specifying dataset_path
dataset = ml3d.datasets.SemanticKITTI(cfg.dataset.pop('dataset_path', None),**cfg.dataset)


# get the 'all' split that combines training, validation and test set
all_split = dataset.get_split('test')


# print the attributes of the first datum
print(all_split.get_attr(0))


# print the shape of the first point cloud
print(all_split.get_data(0)['point'].shape)


# show the first 100 frames using the visualizer
vis = ml3d.vis.Visualizer()
vis.visualize_dataset(dataset, 'all', indices=range(100))

模型可視化就沒什么好說的了，基本上和上述兩種差不不多，只是使用了ml3d.vis.Visualizer()做了可視化。

3. 如何理解SemanticKITTI數(shù)據(jù)集

KITTI Vision Benchmark 的里程計(jì)數(shù)據(jù)集，顯示了市中心的交通、住宅區(qū)，以及德國卡爾斯魯厄周圍的高速公路場景和鄉(xiāng)村道路。

原始里程計(jì)數(shù)據(jù)集由 22 個(gè)序列組成，將序列 00 到 10 拆分為訓(xùn)練集，將 11 到 21 拆分為測試集。

SemanticKITTI數(shù)據(jù)集采用和 KITTI 數(shù)據(jù)集相同的標(biāo)定方法。這使得該數(shù)據(jù)集和kitti數(shù)據(jù)集等數(shù)據(jù)集可以通用。

該數(shù)據(jù)集中對28個(gè)類進(jìn)行了注釋，確保了類與Mapillary Visiotas數(shù)據(jù)集和Cityscapes數(shù)據(jù)集有很大的重疊，并在必要時(shí)進(jìn)行了修改，以考慮稀疏性和垂直視野。

bin文件中存儲(chǔ)著每個(gè)點(diǎn)，以激光雷達(dá)為原點(diǎn)的x,y,z,i信息，其中i是強(qiáng)度。

把數(shù)據(jù)提取出來也很簡單。用numpy庫。提取出來就是一個(gè)n行4列的矩陣。

points = np.fromfile(".bin文件路徑", dtype=np.float32).reshape(-1, 4)

接下來就是.label文件，在KITTI API的github中能找到說明。

里面東西也挺多的，主要就看.label那部分。

在remap_semantic_labels.py文件中。終于知道，label中每個(gè)值表示什么了。

在config目錄下的semantic-kitti.yaml文件中。

 label = np.fromfile(".label文件路徑", dtype=np.uint32)
 label = label.reshape((-1))

我們還區(qū)分了移動(dòng)和非移動(dòng)車輛與人類，即，如果車輛或人類在觀察時(shí)在某些掃描中移動(dòng)，則會(huì)獲得相應(yīng)的移動(dòng)類別。

下圖列出了所有帶注釋的類，補(bǔ)充材料中可以找到對不同類的更詳細(xì)討論和定義。

總之，我們有28個(gè)類別，其中6個(gè)類別被指定為移動(dòng)或非移動(dòng)屬性

每個(gè)velodyne文件夾下的xxxx.bin文件為每次掃描的原始數(shù)據(jù)，每個(gè)數(shù)據(jù)點(diǎn)的標(biāo)簽的二進(jìn)制表示儲(chǔ)存在文件xxxx.label中。

每個(gè)點(diǎn)的標(biāo)簽是32位無符號整數(shù)（也稱為’uint32_t’），其中較低的16位對應(yīng)于標(biāo)簽。

較高位對應(yīng)了16位編碼實(shí)例id，該id在整個(gè)序列中時(shí)間上是一致的，即兩次不同掃描中的同一對象獲得相同的id。

這也適用于移動(dòng)車輛，但也適用于環(huán)路閉合后看到的靜態(tài)對象。

這里是開源SemanticKITTI的API。功能包括但不限于：可視化、計(jì)算IOU等。按照腳本的介紹即可完成使用。

審核編輯：湯梓紅