1.环境搭建
ubuntu16.04 双显卡nvidia gtx1080/quadro M4000
anaconda3创建虚拟环境 python=3.7
cuda10.0 cudnn7.65
tensorflow-gpu1.14 安装命令 ——>pip install -i https://pypi.mirrors.ustc.edu.cn/simple/ tensorflow-gpu==1.14.0
2.训练
这里主要是pointnet的语义分割代码复现，进入sem_seg文件夹中，按照它的readme一步一步操作。
- 首先是下载作者准备好的H5DF数据进行训练：
sh download_data.sh
这里我在下载的时候会提示：没有证书，无法下载。将提示的–no–certificates（具体不太记得了）加在shell脚本download_data.sh后面，就可以了。脚本下载会自动解压得到一个indoor3d_sem_seg_hdf5_data文件夹， 文件夹内容如下图所示。
这里作者是将area6作为test area，将area1~5作为训练集。如果需要用其他area准备自己的HDF5文件训练模型，需要下载S3DIS数据集。然后用脚本python collect_indoor3d_data.py重新组织数据，python gen_indoor3d_h5.py产生HDF5文件。
如果不需要batch_inference,即不要测试和可视化，则只需要下载作者制作好的HDF5文件。
- 用作者准备的HDF5文件训练
参照read.me中命令,这里作者是使用area6作测试集。在log6文件夹下有关于训练模型和日志文件。
python train.py --log_dir log6 --test_area 6- 测试
首先需要下载Standfor3dDataset_v1.2_Aligned_Version数据集，大约16个G，而且官网都打不开，只能想其他办法下载。下载完成后保存在pointnet/data文件夹里。另外作者提示Area_5中有一个额外字符不符合规范，需要手动删除。查找的具体位置为：
Standfor3dDataset_v1.2_Aligned_Version/Area_5/hallway_6/Annotations/ceiling_1.txt中180389行数字的185后。直接用vim打开，在命令模式下输入180389gg，会跳转到如图所示的地方。删除字符再加一个空格就可以了。
然后执行python collect_indoor3d_data.py
进行batch_inference：
python batch_inference.py --model_path log6/model.ckpt --dump_dir log6/dump --output_filelist log6/output_filelist.txt --room_data_filelist meta/area6_data_label.txt --visu预测的结果：
可以在dump文件夹里得到一些.obj和.txt文件，用cloudcompare同时打开，就可以看到预测结果了。cloudcompare配置安装教程见ubuntu16配置cloudcompare