下载 kitti 数据集: http://www.cvlibs.net/datasets/kitti/eval_odometry.php 。只需要下载三个文件:
- (velodyne laser data, 80 GB)
- (calibration files, 1 MB)
- ground truth poses (4 MB)
下载的三个压缩包在同一目录下解压,解压后的目录结构应该是:
dataset
├── poses
│ ├── 00.txt
│ ├── 01.txt
│ └── ...
└── sequences
├── 00
│ ├── velodyne
│ ├── calib.txt
│ └── times.txt
├── 01
│ ├── velodyne
│ ├── calib.txt
│ └── times.txt
├── ...
...
conda create -n torch python=3.6 numpy
conda activate torch
conda install -c pytorch pytorch
conda install tensorflow==1.14.0 tensorflow-gpu==1.14.0 tensorboard==1.14.0 scipy
python -m pip install prefetch_generator tqdm pykitti
pip install torch-scatter==latest+${CUDA} torch-sparse==latest+${CUDA} torch-cluster==latest+${CUDA} torch-spline-conv==latest+${CUDA} -f https://pytorch-geometric.com/whl/torch-1.4.0.html
pip install torch-geometric
- 在训练之前,请务修改
.\scripts\model\train_net.py
中sequence
,train_seqences
和val_seqences
,设置为所需分别用于训练和验证的 sequence。 - 把
.\scripts\model\train_net.cmd
脚本中的datadir
设为自己的路径 - 双击
.\scripts\model\train_net.cmd
开始训练 - (optional)另外开一个命令行,
conda activate torch && tensorboard --logdir=${project_root_dir}\scripts\model\log --host localhost --port=8080
,浏览器中打开 http://localhost:8080 进入 tensorboard 调试
NOTE: ${CUDA} 为 cpu, cu92, cu100 或 cu101,视 cuda 安装版本而定。可用 nvcc -V
查看 cuda 版本。
- 我的环境:Ubuntu 18.04 VM Ware 虚拟机
- 按照 ros 官网指南搭建好
~/catkin_ws
下的工作空间 cd ~/catkin_ws/src/ && mkdir kitti_localization && cd kitti_localization
- 将本 git repo 全部内容放在当前路径中
- 最好不用 anaconda,最好用原生 python3.6.9 环境
cd ~/catkin_ws
catkin_make
source ./devel/setup.bash
roscore
- 在另一 terminal 中:
rosrun kitti_localization kitti_localization_localizer
- 在另一 terminal 中:
rosrun kitti_localization load_kitti_sequence.py
Solution: 参考 https://blog.csdn.net/qq_36501182/article/details/79971570
Solution: 参考 https://blog.csdn.net/wawayu_0/article/details/79460043