2025年pointnet训练自己的数据（point数据分析训练营）

大家好，我是讯享网，很高兴认识大家。

 <svg xmlns="http://www.w3.org/2000/svg" style="display: none;"> <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path> </svg> <p>这几天想用深度学习做一下点云的分割试验&#xff0c;网上搜了一下相关标题的blog有很多&#xff0c;但大部分只是简单的介绍文章内容&#xff0c;说明具体操作流程的干货并不多。在缺乏相关资料和帮助的情况下&#xff0c;本人大致搞清楚了pointnet进行sem_seg的流程。可能步骤存在问题甚至是错的&#xff0c;因为也没有人交流&#xff0c;但从试验结果看来还行。欢迎大家批评指正。点云的标注用cloudcompare&#xff08;下面简称cc&#xff09;就可以&#xff0c;后面obj文件的可视化由于cc对其支持不太好&#xff0c;改用meshlab。<br /> 欢迎阅读我的其他文章&#xff1a;<br /> windows下运行pointnet&#xff08;全&#xff09;<br /> pointnet C&#43;&#43;推理部署&#xff08;一&#xff09;<br /> pointnet C&#43;&#43;推理部署&#xff08;二&#xff09;</p>

讯享网

首先准备自己的数据集。txt格式的点云文件就行，我随便找了个斯坦福兔子点云文件，里面是xyz三维点的坐标。把兔子用cc软件分割成头（head）和身子（body），并分别保存成两个txt文件。
因为我比较懒所以只标注了这一个兔子，将其随机平移和旋转变换得到100个兔子的头和身子的txt，将其分别保存在编号为i（i=0,1，2，…,99）的文件夹下分别命名为head_i.txt和body_i.txt（i=0,1，2，…,99）。
修改sem_segmetaclass_name.txt内容为head和body。
修改sem_segmetaanno_path.txt内容为训练标注的路径。
修改indoor3d_util.py中的g_class2color如下

讯享网

修改collect_point_label函数里面的内容，给点云数据增加rgb信息：

运行batch_inference.py程序即可。同理，需要修改NUM_CLASSES，以及修改sem_segmetadata_label.txt中的待预测模型的路径。运行需要提供的参数可以参考我的上一篇文章：windows下运行pointnet（全）。
随便做了一些npy文件用于测试，制作过程和训练部分相似。用于预测的数据集包括随机平移旋转的模型，添加噪声的模型，裁剪的模型以及混合前三种的模型。红色为预测出的兔子头部，蓝色为预测出的兔子身体，黑色为未识别出的部分。因为我自始至终只是用了一个原始模型进行不同变换进行的测试，所以正确率都在99%以上。
随机平移旋转的模型预测结果：
在这里插入图片描述
讯享网
添加噪声的模型预测结果：

裁剪的模型预测结果：
混合平移旋转、添加噪声、裁剪的模型预测结果：
整个工程文件打包：链接: https://pan.baidu.com/s/1yZG_OigNQqbeC852N6SMXw?pwd=zjn1 提取码: zjn1 复制这段内容后打开百度网盘手机App，操作更方便哦
–来自百度网盘超级会员v4的分享

讯享网

添加高斯噪声

讯享网

File “h5py_objects.pyx”, line 54, in h5py._objects.with_phil.wrapper
File “h5py_objects.pyx”, line 55, in h5py._objects.with_phil.wrapper
File “h5pyh5f.pyx”, line 106, in h5py.h5f.open
FileNotFoundError: [Errno 2] Unable to open file (unable to open file: name = ‘E: uanjianchengxuwenjianpypointnet-rabbitsem_seg/dataply_data_all_0.h5’, errno = 2, error message = ‘No such file or directory’, flags = 0, o_flags = 0)
报错原因：h5py包的版本过高
解决方法：降低h5py包的版本，例如pip install h5py==2.10
Exception has occurred: ValueError
need at least one array to concatenate
位于gen_indoor3d_h5.py的return np.concatenate(block_data_list, 0), np.concatenate(block_label_list, 0)
报错原因：网格划分尺度过小，导致某个网格中点的个数为0
解决方法：将

讯享网

中的block_size和stride根据自己数据尺度进行调整，参数的含义见下图（从indoor3d_util.py中摘选）。
在这里插入图片描述

2025年pointnet训练自己的数据（point数据分析训练营）

相关推荐