Pointnet处理流程

Pointnet处理流程

2018年07月05日 11:17:53 落萧了蓝 阅读数：458 标签： 点云处理深度学习piontnet语义分割更多

个人分类： 深度学习点云处理

1.准备原始点云训练数据，是带标记的那种（txt格式）

2.collect_indoor3d_data用这个把原始的点云数据转换成npy格式

3.gen_indoor3d_h5用这个把npy转换成h5格式

4.train 进行训练，得到在log6文件夹下关于训练模型和日志

5.执行batch_inference加载训练模型和测试区域进行测试得到分类的点云数据结果

7.eval_iou_accuracy用这个加载得到分类的点云数据结果进行精度评估

 

关于pointnet的一些疑点：

1.Sem Seg: Reason forreducing xyz values by xyz_min in `indoor3d_util` for data preprocessing

这是在pointnet源文件中有关于数据处理格式转换的一段代码collect_indoor3d_data.py。其影响是处理后的场景点云数据量比原始点云数据少，原因作者介绍了一下：

The original XYZ arein a global coordinates s.t. all rooms' point cloud are living in the samecoordinate system. Since we care more about per-room segmentation, we canchange the XYZ from this global coord. to a per-room coordinate system. Toachieve that goal, we extract all point XYZ in a room by the xyz_min of them.