项目地址：https://github.com/nv-tlabs/lift-splat-shoot
数据集下载地址：https://www.nuscenes.org/download
环境配置
Python依赖
conda create -n bev python=3.7
conda activate bev
- 安装torch：
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
- 安装工具：
pip install nuscenes-devkit tensorboardX efficientnet_pytorch==0.7.0
数据集下载
1. Full dataset
- 下载mini即可：
- 解压数据集，并将根目录下的v1.0-mini改成mini：
2. Map
- 下载最新的Map expansion
- 解压到maps文件下：
运行
- 拉取项目文件：
git clone https://github.com/nv-tlabs/lift-splat-shoot.git
- 下载模型文件：
https://github.com/lukemelas/EfficientNet-PyTorch/releases/download/1.0/efficientnet-b0-355c32eb.pth
Eval
这里的dataroot改成你自己的路径位置，GPU如果是默认一块则为0：
python main.py eval_model_iou mini --modelf=./efficientnet-b0-355c32eb.pth --dataroot=/home/pc/Dataset/nuScenes --gpuid=0
-
报错
如果在模型读取时报如下错误
-
解决方法
将报错位置的python代码改为：
model.load_state_dict(torch.load(modelf), False)
即可解决。
- 运行成功如下：
Visualize
和上一步配置相同：
python main.py viz_model_preds mini --modelf=./efficientnet-b0-355c32eb.pth --dataroot=/home/pc/Dataset/nuScenes --map_folder=/home/pc/Dataset/nuScenes/mini --gpuid=0
-
报错
如果在模型运行时报如下错误：（因为本机GPU卡编号和定义的不同导致报错）
-
解决方法
将报错位置的python代码改为：
device = torch.device('cpu') if gpuid >= 0 else torch.device(f'cuda:{gpuid}')
- 运行成功：
