Advertisement

Open3D-PointNet2-Semantic3D的tf_ops编译。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
利用CUDA 10.0和Tensorflow 1.14，并配备RTX 2060s显卡，如果由于库版本不匹配导致无法运行，则可能需要检查CMake配置。为了方便大家排查问题，我提供了主要的CMake文件供参考。遇到任何疑问，可以查阅以下博客：https://blog..net/qq_41986166/article/details/112495204

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Open3D-PointNet2-Semantic3D的tf_ops编译
    优质
    本项目专注于将Open3D库中的tf_ops模块进行编译优化，特别针对PointNet2和Semantic3D数据集的应用场景，提升点云处理算法在TensorFlow环境下的执行效率与性能。 基于CUDA10.0和Tensorflow1.14，并且使用RTX2060s显卡的情况下，可能会遇到由于库版本不匹配导致的问题。我将主要的cmake配置也附上了，如果大家在解决问题时可以参考一下这篇文章中的内容：https://blog..net/qq_41986166/article/details/112495204（注意这里提到的文章链接请自行查找）。
     
  • 基于Open3D与PointNet++的Semantic3D点云语义分割
    优质
    本研究采用Open3D库结合PointNet++架构，致力于提升大型点云数据集Semantic3D上的语义分割精度，实现高效、准确的地物分类。 使用Open3D和PointNet ++进行Semantic3D语义分割的介绍以及演示项目展示了如何在深度学习管道中应用Open3D，并为Semantic3D数据集上的语义分段提供一个干净的基线实现。 该项目旨在展示Open3D的应用，它是一个开源库，支持快速开发处理三维数据的软件。前端使用C++和Python公开了一系列精心选择的数据结构和算法，后端经过高度优化并设置为并行化。 在此项目中，Open3D用于点云数据的加载、编写及可视化。
     
  • 在VS2019中编译Open3D库
    优质
    本教程详细介绍如何在Visual Studio 2019环境下配置并成功编译Open3D库的过程，适合希望在Windows平台上使用Open3D进行点云处理和3D机器视觉的开发者参考。 基于VS2019编译的Open3D库可以在QT下进行开发。附件中的官网范例可供参考，源码可以从GitHub下载。
     
  • 适用于QT和VS2019的Open3D编译库
    优质
    本项目提供在Windows环境下使用QT及VS2019编译Open3D所需的完整解决方案与详细步骤，助力开发者便捷集成三维处理功能。 已经编译好的OPEN3D库是用VS2019 64位环境编译的。我计划在QT上使用这个库，并将.pri文件包含进去。如果你要在QT项目中使用该库，只需直接引用我的.pri文件或根据文件调整include和lib路径即可；若是在VS2019环境中，则按照第三方库的方式进行引用。 请注意，这是一个动态链接库，因此务必把Open3D.dll文件放置在运行目录下才能正常使用。
     
  • Windows 11下使用VS2019编译Open3D-0.17.0动态链接库
    优质
    本教程详细介绍了在Windows 11环境下利用Visual Studio 2019编译Open3D-0.17.0版本的动态链接库的过程，适合开发者参考学习。 在Windows 11操作系统下使用Visual Studio 2019（VS2019）编译Open3D-0.17.0版本的动态链接库（DLL），是一项复杂但必要的任务，对于开发者来说非常重要。Open3D是一个开源C++库，专注于三维数据处理和可视化，并提供了丰富的API来处理点云数据、进行几何建模以及图形渲染。在Windows系统中，动态链接库是一种共享代码的方式，可以被多个应用程序同时调用以减少内存占用并提高效率。 确保你已经正确安装了Windows 11和VS2019。Visual Studio 2019包含了一整套编译C++项目的工具链，包括MSBuild和CMake，后者是一个跨平台的构建系统，用于管理Open3D源代码的构建过程。 步骤一：获取Open3D源代码 从官方GitHub仓库下载或克隆版本为0.17.0的Open3D源代码。 步骤二：设置CMake 在安装目录下创建一个新文件夹作为构建目录。打开CMake GUI，指定“Where is the source code”字段中输入Open3D源代码路径，在“Where to build the binaries”字段中输入刚才创建的构建目录地址。 步骤三：配置CMake 点击Configure按钮，并选择与VS2019对应的生成器（例如：Visual Studio 16 2019），同时确保选择了 Win64架构，因为Open3D通常需要支持64位系统。完成配置后，CMake会为项目创建必要的文件。 步骤四：调整编译选项 在CMake的设置界面中找到“BUILD_SHARED_LIBS”选项，并将其设为ON，以指示生成动态链接库而非静态库。同时确保其他必要项如WITH_CUDA或WITH_TBB根据个人需求正确配置。 步骤五：重新配置并生成 再次点击“Configure”，随后选择“Generate”。这将创建适用于VS2019的解决方案文件（通常是Open3D.sln）。 步骤六：在VS2019中打开项目 通过Visual Studio 2019加载生成的解决方案文件，检查所有项目是否已正确导入。然后设置构建模式为“Release”并选择目标平台（Win32或x64），根据需要进行调整。 步骤七：编译Open3D 在VS2019中点击Build菜单下的“Build Solution”，开始编译过程，这可能耗时较长，取决于你的硬件性能。 步骤八：找到生成的DLL和库文件 完成编译后，在“bin”目录下可以找到动态链接库（DLL），而在“lib”目录下则能找到对应的.lib文件。这些文件可供其他项目引用并使用Open3D的功能。“include”目录包含Open3D头文件，这是编写调用Open3D功能的C++程序时需要包括的内容。 总结来说，编译Open3D-0.17.0版本动态链接库涉及在Windows 11环境下的设置、VS2019使用及CMake配置与操作。理解这一过程对于开发和调试依赖于Open3D的应用程序至关重要，并能确保使用的库是最新且最适合项目需求的版本，而非直接依赖预编译的二进制文件。
     
  • 在Windows 10和VC2019下Open3D的直接引用编译安装文件
    优质
    本文档提供详细的步骤指导，在Windows 10操作系统及Visual Studio 2019环境下，如何直接引用并编译安装Open3D库。适合有基础编程知识的开发者阅读和操作。 Open3D可以直接使用而无需重新编译的引用包。解压后将其放置在C:\Program Files目录下，在VC项目中引入Open3D的头文件以及静态库即可。附件中有官方测试程序，可以用来验证解压缩后的文件是否能正常使用。 该测试程序适用于Visual Studio 2019环境，请打开Open3DCMakeFindPackage.sln工程，并选择Release 64位模式，然后对ALL_BUILD进行重新生成以得到Draw.exe测试程序。 在自己的VC项目中引用Open3D时，可以参考Open3DCMakeFindPackage.sln项目的配置设置。该引用包及测试程序已在Windows 10 64位系统和Visual Studio 2019 IDE环境中编译运行成功。
     
  • PointNet2.PyTorch：基于PyTorch的更快PointNet++实现
    优质
    PointNet2.PyTorch是基于PyTorch框架的一个更快速、高效的PointNet++实现版本，适用于点云处理任务。 Pointnet2.PyTorch 是基于 PyTorch 的实现，并通过重新编写 CUDA 操作使其比原始代码更快。 安装要求： - Linux（已在 Ubuntu 14.04 / 16.04 上测试） - Python 3.6+ - PyTorch 1.0 安装方法：运行以下命令来安装此库。 ``` cd pointnet2 python setup.py install cd ../ ``` 示例： 这里提供了一个简单的例子，展示如何在 KITTI Outdoor 前景点云分割任务中使用这个库。有关任务描述和前景标签生成的详细信息，请参考相关论文。 下载训练数据后，文件应按照以下方式组织： Pointnet2.PyTorch ├── pointnet2 ├── tools │ ├── data │ │ ├── KITTI │ │ │ ├── ImageSets
     
  • PointNet2/PointNet++的PyTorch实现- Python项目开发
    优质
    本Python项目提供PointNet2（又称PointNet++）的PyTorch实现，适用于点云数据处理和机器学习任务，助力深度学习研究与应用开发。 用PyTorch编写的Pointnet2/Pointnet++的实现支持多GPU，并通过nn.DataParallel进行扩展。该版本适用于PyTorch 1.0及以上版本。对于较旧版本，可以参考v1.0分支中的代码。正式的模型定义和超参数可以在charlesq34/pointnet2仓库中找到（以tensorflow格式）。使用CUDA的GPU当前仅支持Pointnet++使用的自定义操作。 安装环境：已通过Python 3.6 和 Python 3.7 测试过此仓库。