一，下载Anaconda

清华镜像：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

下载好的Anaconda3-2023.03-Linux-x86_64.sh如图所示：

右键点击文件夹，点击在终端中打开：

输入下面的命令行：

bash Anaconda3-2023.03-Linux-x86_64.sh

输入yes，并按回车键

接下来是一堆协议，不断按回车键跳过

当出现新的问题时停止按回车键

输入yes，并按回车键

按回车键，选择默认的安装目录（默认在用户主目录下创建一个名为anaconda3的文件夹作为安装地址），等待安装完成

输入yes，并按回车键（按no！！！！）

输入conda list，可以看到anaconda的安装的包，验证anaconda安装完成

二，下载pycharm

https://www.jetbrains.com/pycharm/

选择linux版本下载

打开终端

注意版本按自己的版本装

按顺序输入：如果出现错误就是你的压缩包下载路径不在Downloads 自己找到压缩包cd进去

cd Downloads

sudo tar -xvf pycharm-community-2022.3.3.tar.gz -C /opt/

解压完成后

cd /opt/pycharm-community-2021.1.1/bin/

./pycharm.sh

三，创建虚拟环境

conda create -n openpcdet python=3.8

激活虚拟环境：

conda activate openpcdet

各版本对应pytorch和torchvision：

Previous PyTorch Versions | PyTorch

安装pytorch

pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple

验证是否安装成功：

python
import torch
print(torch.__version__)
print(torch.cuda.is_available())

四，下载cmake：官方下载地址为：https://cmake.org/download/

tar -xvzf cmake-3.22.4-linux-x86_64.tar.gz
sudo mv cmake-3.22.4-linux-x86_64 /opt/cmake-3.22.4
# 创建软链接
sudo ln -sf /opt/cmake-3.22.4/bin/* /usr/bin/

查看cmake版本：

cmake --version

五，安装spconv

查看版本：

nvidia-smi

CUDA Version: 12.0

mirrors / traveller59 / spconv · GitCode

pip install spconv-cu120

git clone https://github.com/traveller59/spconv.git --recursive
cd spconv/

pip install pccm

python setup.py bdist_wheel
cd ./dist
pip install * -i https://pypi.tuna.tsinghua.edu.cn/simple

验证是否安装成功：

六，下载OpenPCDet 并且安装依赖

创建一个文件夹，并且在文件夹中打开命令窗口

git clone https://github.com/open-mmlab/OpenPCDet.git

激活虚拟环境: conda activate openpcdet

进入requirements所在路径：

cd dianyun

cd OpenPCDet

下载依赖：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

执行：

python setup.py develop

检验是否安装成功：

python
import pcdet

七： kitti训练和测试

准备数据

1.建立软连接

cd OpenPCDet/data/kitti
ln -s /home/zyk/桌面/kitti_3D/training training
ln -s /home/zyk/桌面/kitti_3D/testing testing

数据集格式

├── ImageSets
│   ├── test.txt
│   ├── train.txt
│   └── val.txt
├── testing -> /home/zyk/桌面/kitti_3D/testing testing
└── training ->/home/zyk/桌面/kitti_3D/training

# training
├── calib
├── image_2
├── label_2
└── velodyne
# testing
├── calib
├── image_2
└── velodyne

数据预处理

2.准备数据：
生成数据pkl文件和gt_database文件夹

在这里打开命令

激活环境:

python -m pcdet.datasets.kitti.kitti_dataset create_kitti_infos tools/cfgs/dataset_configs/kitti_dataset.yaml

七，测试训练

以demo为例

cd tools

python demo.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml --ckpt ckpts/kitti/pv_rcnn_8369.pth --data_path /home/neo/data/kitti/vel/000000.bin

或者打开pycharm，更改这几个文件路径

'--cfg_file', type=str, default=r'/home/zyk/OpenPCDet/tools/cfgs/kitti_models/pointpillar.yaml'


'--data_path', type=str, default=r'/home/zyk/OpenPCDet/data/kitti/testing/velodyne/000009.bin'



'--ckpt', type=str, default=r'/home/zyk/OpenPCDet/tools/pointpillar_7728.pth', help='specify the pretrained model')